（感觉石溪的这篇文章写的挺不错子）
随机过程：一串随机事件组成的过程，我们需要分析整体性质（个人理解）
蒙特卡罗方法：采用大量的样本，最终观察样本结果的整体特征。 干货 | 蒙特卡洛方法（Monte Carlo）_无意识统计学家-CSDN博客
第一类：到达过程。即关注的是某种“到达”的事件是否发生，比如在一个服务窗口前，顾客的到达时刻 最明显的特征：相邻间隔时间相互独立 （这一轮赌徒是赢还是输，并不对下一轮赌局的输赢带来任何影响）
所有强化学习都是以马尔可夫过程为基础的，RL中的动态规划和算法里的动态规划还是有一点区别的，RL中的动态规划主要就是对策略网络和价值网络循环地迭代，一个价值网络对应的是所有状态，它的子问题是下一个可能状态的价值的计算，当前问题是当前状态的价值，然后拿上一轮的价值网络来算（自己的理解：算法里似乎是局部的动态规划，rl里面是对整体进行动态规划）。