题面：
主要逻辑：
刷过爬楼梯的原题的童鞋们都知道，本题和原题的区别其实就是有了一步限制，就是在前一步如果是爬两步的话，这一步就不能爬两步，因此，我们在明确dp数组的定义的时候就应该要想到再用一个量来表示这个状态。
dp数组含义：
我们使用一个二维数组 dp[i][j] 来表示走到第 i 层楼梯时，上一步是走了 j 步的总走法数。通过这个数组，我们可以逐步推导出走到每一层楼梯的不同走法数。
递推公式：
本题中的状态转移需要由前面的状态来决定，你爬到第i阶取决于第i-1阶和第i-2阶，但由于限制，所以最后的转移应当分开讨论.
dp[i][1] = dp[i - 1][2] + dp[i -1][1];
dp[i][2] = dp[i -2][1];
初始化：
首先要处理的就是第0个楼梯的时候有多少种走法，这里有一点需要理解的，按照走法的定义，我们不论怎么样都是需要一步才能到达这第0个楼梯.
dp[0][1] = 1;
dp[0][2] = 1;
dp[1][1] = 1;
dp[1][2] = 1;
遍历顺序：
由于我初始化时候已经带上了1，所以i直接从2开始遍历即可，主要是清楚这个遍历方向的从前往后是有状态的转移决定的。
for(int i = 2; i <= n; i++){
dp[i][1] = dp[i - 1][2] + dp[i -1][1];
dp[i][2] = dp[i -2][1];
}
最终结果：
通过状态转移，我们可以计算出走到第 n 层楼梯的总走法数，这里要注意的是，需要比较最后一层的时候，那个一个状态的走法最大，因此直接输出比较后的结果即可：Math.max(dp[n][2], dp[n][1])。
整体代码呈现：
public static int solution(int n) {
// Edit your code here
//两种状态
int dp[][] = new int[n+1][3];
dp[0][1] = 1;
dp[0][2] = 1;
dp[1][1] = 1;
dp[1][2] = 1;
for(int i = 2; i <= n; i++){
dp[i][1] = dp[i - 1][2] + dp[i -1][1];
dp[i][2] = dp[i -2][1];
}
return Math.max(dp[n][2], dp[n][1]);
}
总结：
本题主要是考察大家动态规划对状态的思考，第一个难点就在于dp数组的定义，第二个难点在于想清楚这个i=0的时候这里需要初始化成什么，这里的状态转移反而是比较容易的，与原来的爬楼梯相比也是再考察了大家的分类讨论的思想，代码简单，但是里面的思想还是挺多的。
