动规的主要思想还是记忆化暴力枚举，枚举所有出现的情况。
我们在第一次进行动规的时候可以得出第一条路径的最大值，但是这一条路径不一定是唯一的，这就导致会影响到第二条路径的路线动规得出来的最大值。
如果说你把所有的第一次路径最优解的路线全部列举一遍，然后在这个基础上去进行第二次动规，算出的最大值就是真正的答案，所以很多人两次二维dp得出的结果并没有涵盖所有的情况，因为第一次的路线并不一定唯一，其实这个思路是正确的，但是很多人会错是因为中间有些值得思考的地方没有考虑到，当然，如果你按照这个思路编写代码当然也是可以的，但是效率上还是比不上四维dp，因为动规的使用是为了提高效率，所以如果愿意以两次二维dp去实现当然也是行的，毕竟这个测试集比较水。
0 1 0 1 0
0 1 0 0 0
0 0 0 0 0
0 0 0 1 0
0 1 0 1 0
比如这个测试集，第一次路径最大值是4，但是最优路径有很多种，如果你的第一次路线没有枚举完全，比如我第一次的路线只考虑到(1,1)->(1,2)->(2,2)->(2,4)->(5,4)->(5,5)，就可能导致你的第二次路线不能取完所有的1，导致得出的结果是5，但实际上最大值是6（自己可以检验一下），我有解释不充分的地方，欢迎各位来讨论补充