请画出动态规划算法模板的算法流程图

动态规划通常用于解决涉及最优决策的问题，通过将大问题分解成小问题并存储中间结果来避免重复计算。算法流程图可以分为以下几个步骤：

1. **初始化**：首先，创建一个二维数组（状态表），其中每个元素表示一个小规模问题的解。边界条件通常是基础情况，即最简单的问题可以直接求解。

2. **填充状态表**：从简单的子问题开始（通常是左上角或最上方的行），对于每个子问题，检查它是否已经存在于状态表中。如果存在，则直接取值；否则，根据问题的具体规则计算其解决方案，并将结果存入状态表。

3. **自底向上计算**：按照问题规模从小到大的顺序，逐步填充状态表。这是动态规划的核心部分，因为较大的问题通常依赖于较小问题的解。

4. **返回最终解**：当所有子问题都处理完毕，状态表右下角的元素就是原问题的解。这个值就是我们所求的全局最优解。

5. **记录路径**（可选）：为了获取实际解法，有时候需要回溯状态表，找出从初始状态到最优解的路径。

下面是一个简化的动态规划算法流程图示意图：

+-------------------+
|     初始化状态表  |
| +-------------------+
| |       [ ]        | (第一行，所有列)
| |   [0]            | (第二行，第一列)
| |  ...             | ...
| +-------------------+
|                       |
V                       V
+-------+--------+
| | 递归式公式 或 状态转移方程  | [ ]    |
| | 例如 f(i,j) = min(f(i-1,j), ...) | (i行，j列)
| +---------------------+--------+
|     填充状态表       | 返回解  |
| +---------------------+--------+
| | 更新状态表         | 保存路径|
| +-----------+