羅賓斯–門羅條件（Robbins–Monro conditions）

這是步長序列要讓隨機逼近收斂所必須遵守的兩條規則。直覺上，步長加總起來要夠大，才能走到演算法可能需要的任何距離——所以總和必須發散；但最終又要夠小，才能把隨機雜訊壓掉——所以平方和必須收斂。步長一直太大永遠安定不下來；縮得太快則還沒到目標就熄火。

標準排程 α_t = 1/t 同時滿足兩者：調和級數發散，而 1/t² 的總和收斂；更一般地，α_t = c/t^p 對任何介於 (1/2, 1] 的指數 p 都成立。實務上許多深度強化學習系統會刻意違反這些條件，改用很小的固定步長，以漸近收斂換取「追蹤緩慢移動的目標」以及在非穩態問題上的純粹穩定性。