动态规划（dynamic programming, DP）是一种将复杂问题分解成更小的子问题来解决的优化技术。
用动态规划解决问题时，有三个步骤：
1）定义子问题；
2）实现要反复执行来解决子问题的部分
3）识别并求解出基线条件
能用动态规划解决的一些著名问题，如：背包问题，最长公共子序列，硬币找零等
拿leetcode 70爬楼梯举例：
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。
爬到第n阶可以从第n - 1阶爬1个台阶，或者在第n - 2阶爬2个台阶
1）定义子问题 F(n) = F(n - 1) + F(n - 2)
- 反复执行子问题，从 2 循环到n ,执行上面的子问题（公式）
3）找到返回条件，临界条件
var climbStairs = function(n){
if(n < 2){ return 1; }
const dp = [1, 1];
for(let i = 2; i <= n; i +=1){
dp[i] = dp[i - 1] + dp[i - 2]
}
return dp[n]
}
参考：Javascript数据结构和算法、慕课网
