分阶段强化学习该用单一策略还是多策略？

针对可分解为多个阶段、每阶段有独立转移概率与奖励函数的非平稳强化学习问题，该研究分析了分阶段场景下单一状态增强策略与多策略方案的差异，指出共享策略在理论上可以达到与多策略相当的性能，从而解释了此前多策略更优这一现象的原因。