示例1：
输入：cost = [10,15,20]
输出：15
解释：你将从下标为 1 的台阶开始。
- 支付 15 ，向上爬两个台阶，到达楼梯顶部。
总花费为 15 。
示例2：
输入：cost = [1,100,1,1,1,100,1,1,100,1]
输出：6
解释：你将从下标为 0 的台阶开始。
- 支付 1 ，向上爬两个台阶，到达下标为 2 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 4 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 6 的台阶。
- 支付 1 ，向上爬一个台阶，到达下标为 7 的台阶。
- 支付 1 ，向上爬两个台阶，到达下标为 9 的台阶。
- 支付 1 ，向上爬一个台阶，到达楼梯顶部。
总花费为 6 。
提示：
2 <= cost.length <= 10000 <= cost[i] <= 999
简要地介绍一下动态规划算法：
动态规划算法是一个上限极高的算法，题型和考法多变，对于初学者来说不太有好，动态规划法最主要的就是得到状态方程，可能刚开始这些概念会比较陌生，我这里举个例子，
我们都直到著名的斐波那切数列的递推公式： f[i]=f[i-1]+f[i-2]
其实这个就是最简单的状态方程，一个位置上的状态，又=由上一个或者几个的状态来决定，这就是最基本的动态规划法的应用。
动态规划，无非就是利用历史记录，来避免我们的重复计算。而这些历史记录，我们得需要一些变量来保存，一般是用一维数组或者二维数组来保存。
下面回到我们刚才的问题上来
问题思路：对于上面的问题来说，我们可以选择从第0阶或者第1阶台阶开始走，所以我们有不同走法的阶数应该从第2阶开始，
从第2阶开始后的第i阶台阶，我们有两种走法：
1.消耗mincost[i-1]的花费，跨越1阶到达第i阶台阶，其中mincost[i]表示的是到达第i阶台阶的的花费，这里的花费不包括要从第i-1阶台阶上走向第i阶的花费（即cost[i-1])，则此时mincost[i]=mincost[i-1]+cost[i-1]；
2.消耗mincost[i-2]的花费，直接跨越两级台阶到达第i阶台阶，则此时mincost[i]=mincost[i-2]+cost[i-2];
可见，当到达最后的一阶的顶层时，可以得到两中方法中最小的一个，即可求出答案。
在上面的问题中，题目规定我们可以从第0或者第1阶台阶开始走，那么就有mincost[0]=mincost[1]=0;
在这里我们不必担心会有路径不连通的问题，因为我们的每一步选择都是随机的，所以我们的每一步不是走一步就是走两步，不论怎样一定是连通的，我们只需要在两种到达的方案中每次取最小的一种就好了。
class Solution {
public:
int minCostClimbingStairs(vector<int>& cost) {
int n=cost.size();
vector<int> ans(n+1);
ans[0]=ans[1]=0;
for(int i=2;i<=n;i++)
ans[i]=min(ans[i-1]+cost[i-1],ans[i-2]+cost[i-2]);
return ans[n];
}
};写在最后：
这是对于动态规划问题的初步认识和了解，后序我也会整理更加详细的讲解和大家分享，希望大家可以留下或者分享对于创作的宝贵意见，我会努力去写出质量更高的好作品。
距离高考还有短短一百天了，虽然现在已经是个大学生了，但回首过往，仍旧心潮澎湃，那无数个晚睡早起的日子，怎么学都不会感到累的日子，依旧让我怀念，不管最后结果如何，至少拼尽全力，多年以后，你会发现，那段时光，会是你最美好的回忆。
