该文综述非稳态环境下的强化学习框架，涵盖模型学习与规划、离线RL、因果泛化、探索、变点检测、贝叶斯探索网络、终身学习、非参数策略及非平稳时间序列因果发现等方法，并在推动、传感器管理、交通控制等任务中验证有效性。
完成下面两步后，将自动完成登录并继续当前操作。
