动态规划算法(Dynamic Programming)：斐波那契数和爬楼梯问题

动态规划中三个重要的概念：【最优子结构】、【边界】、【状态转移公式】

斐波那锲数问题：

斐波那契数，通常用 F(n) 表示，形成的序列称为斐波那契数列。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
给定 N，计算 F(N)。

示例 1：

输入：2
输出：1
解释：F(2) = F(1) + F(0) = 1 + 0 = 1.
示例 2：

输入：3
输出：2
解释：F(3) = F(2) + F(1) = 1 + 1 = 2.
示例 3：

输入：4
输出：3
解释：F(4) = F(3) + F(2) = 2 + 1 = 3.

提示：0 ≤ N ≤ 30

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/fibonacci-number
分析：根据上述描述的斐波那锲数的通项公式可写出如下代码

接下来就是代码实现：

int fib(int N){
   
    if(N<=0)//当传入的N值小于等于0时，返回0
    {
   
        return 0;
    }
    return N<=2?1:fib(N-1)+fib(N-2);//状态转移方程  
}

尝试计算一下上述算法的复杂度，博主发现竟然它近似达到了O(2^n)的时间复杂度，它的计算过程就像遍历一颗高度为N-1的二叉树，每层递归都要计算它的F(n-2)和F(n-1),而且造成了许多不必要的重复运算。
如何解决重复计算的问题呢？我们可以通过创建一个备忘录，就是填表的方式，我们将计算过的F(n)填入表中，下次需要时直接取出，这样就减少了重复计算的问题。
代码实现：

int getClimbingWays(int n)
{
   
	static vector<int