爬楼梯（c# 动态规划）

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

示例 1：

输入： 2
输出： 2
解释： 有两种方法可以爬到楼顶。
1.  1 阶 + 1 阶
2.  2 阶
示例 2：

输入： 3
输出： 3
解释： 有三种方法可以爬到楼顶。
1.  1 阶 + 1 阶 + 1 阶
2.  1 阶 + 2 阶
3.  2 阶 + 1 阶

题目来源：力扣（LeetCode）

将一个问题分解为子问题递归求解，并且将中间结果保存以避免重复计算的方法就叫做“动态规划”

递归到动规的一般转化方法

递归函数有n个参数，就定义一个n维的数组，数组的下标是递归函数参数的取值范围，数组元素的值是递归函数的返回值，这样就可以从边界值开始， 逐步填充数组，相当于计算递归函数值的逆过程。

动规解题的一般思路

1. 将原问题分解为子问题

   把原问题分解为若干个子问题，子问题和原问题形式相同或类似，只不过规模变小了。子问题都解决，原问题即解决
   子问题的解一旦求出就会被保存，所以每个子问题只需求 解一次。
   2. 确定状态

   在用动态规划解题时，我们往往将和子问题相关的各个变量的一组取值，称之为一个“状 态”。一个“状态”对应于一个或多个子问题， 所谓某个“状态”下的“值”，就是这个“状 态”所对应的子问题的解。
   所有“状态”的集合，构成问题的“状态空间”。“状态空间”的大小，与用动态规划解决问题的时间复杂度直接相关。
   整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次，且在每个状态上作计算所花的时间都是和N无关的常数。

   3.确定一些初始状态（边界状态）的值

public int ClimbStairs(int n)
    {
        int p = 0;
        int q = 0;
        int num = 1;
        for ( int i = 1; i <= n; ++i)
        {
            p = q;
            q = num;
            num = p + q;
        }

        return num;
    }
 public int ClimbStairs(int n) 
	 {
			if (n == 1) return 1;
	     if (n == 2) return 2;
	
	      int[] dps = new int[n];
	      dps[0] = 1;
	      dps[1] = 2;
	      for (int i = 2; i < n; i++)
	      {
	          dps[i] = dps[i - 1] + dps[i - 2];
	      }
	
	
	      return dps[n - 1];
	
	    }