本文综述非平稳多臂赌博机研究，涵盖重启策略算法、风险感知与贝叶斯变点检测、Hölder连续奖励下的遗憾界、UCB与Thompson采样解决潜在赌徒问题、基于奖励置信度的环境变化检测、无贝叶斯假设的元策略学习、Markov奖励赌博机的指数策略、黑盒方法及折扣与滑动窗口UCB算法分析。