请画出动态规划算法模板的算法流程图。

动态规划算法通常用于解决涉及最优化问题的场景，例如求解最长公共子序列、背包问题等。其基本流程可以概括为以下几个步骤：

1. **定义状态**: 首先确定问题的基本单元，并将其转换为一个状态变量。这个变量通常表示当前阶段的问题解决方案的一部分。

2. **划分阶段**: 将问题分解成一系列相互关联的子问题，每个子问题对应一个阶段。

3. **建立状态转移方程**: 确定如何从已知状态计算出新的状态。这一步是动态规划的核心，通常是通过之前阶段的结果组合得到的。

4. **初始化边界条件**: 定义初始阶段的状态，作为递归的基础情况。

5. **填充表格**: 从底向上（自小到大或自简单到复杂），依次计算每个阶段的状态值，将结果存储在一个表格（如一维数组或二维矩阵）中。

6. **获取最终解**: 最终状态就是所求解，它通常位于表格的最后一行或最后一列。

7. **回溯答案**: 如果需要，可以从最终状态反向推导出原始问题的最优解。

由于文字描述难以直观呈现，下面是一个简单的伪流程图表示：

start
|
V
定义状态 S[i] (i为阶段索引)
for each stage i from 0 to n:
    if base case: S[i] = calculate_base(i)
    else: S[i] = optimal_solution(S[i-1], ...其他依赖状态...)
end for
final_solution = S[n]
draw table with rows as stages and columns as state values
return final_solution
end

动态规划流程图通常包括状态定义、循环结构、递归计算和最终解的提取部分。实际绘制时可能会使用图形化工具或在线绘图网站，因为文本形式无法展示复杂的流程图。如果你需要更具体的流程图实例，可以在网上搜索“动态规划算法流程图”找到相应的图片或教程。