斜率优化dp 学习笔记

最新推荐文章于 2024-07-12 22:24:20 发布

Clove_unique

最新推荐文章于 2024-07-12 22:24:20 发布

阅读量2.1k

点赞数 7

分类专栏：学习笔记 dp

本文链接：https://blog.csdn.net/clove_unique/article/details/55684519

版权

dp 同时被 2 个专栏收录

245 篇文章 0 订阅

订阅专栏

学习笔记

41 篇文章 2 订阅

订阅专栏

本文详细介绍了斜率优化动态规划的原理，通过Apio 2010 特别行动队问题为例，阐述了如何将状态转移方程转化为直线形式，并利用单调双端队列维护下凸壳，实现O(n)的时间复杂度解题。此外，还列举了多个相关题目供读者实践。

摘要由CSDN通过智能技术生成

从一个问题开始
真正理解斜率优化dp
orz ISA

1 问题

Apio 2010 特别行动队

1.1 题意简述

给出一个序列 $x_1,x_2...x_n$ ，将其划分成若干个连续的区间，每一段区间 $[l,r]$ 的价值为 $ax^2+bx+c$ ，其中 $x=\sum\limits_{i=l}^r x_i$
现在你需要最大化序列的价值

1.2 数据范围

对于 $20\%$ 的数据， $n\le 1000$
对于 $100\%$ 的数据， $1\le n\le 10^6$ ， $-5\le a\le -1$ ， $|b|\le 10^7$ ， $|c|\le 10^7$ ， $1\le x_i\le 100$

1.3 讨论

1.3.1 20pts

令 $f(i)$ 表示将序列的前i个划分若干段的最大价值， $s_i$ 表示序列的前缀和
直接根据题意，可以列出状态转移方程
$f(i)=max\{f(j)+a*(s_i-s_j)^2+b*(s_i-s_j)+c\}，1\le j<i$
然后直接dp就可以了
时间复杂度 $O(n^2)$

1.3.2 100pts

数据范围只能允许一个 $O(n)$ 级别的算法

将转移方程进一步展开，能得到
$f(i)=max\{f(j)+as_i^2-2as_is_j+as_j^2+bs_i-bs_j+c\}，1\le j<i$
将其顺序调整，写成下面的形式
$f(i)=max\{-2as_js_i+f(j)+as_j^2-bs_j+as_i^2+bs_i+c\}，1\le j<i$
观察这个式子

首先，最后三项，只和 $a,b,c$ 以及 $s_i$ 有关。换句话说，在求 $f(i)$ 的值时，这三项是与 $j$ 的选取无关的，我们称之为常数项
对于常数项，可以直接将其拿到max之外
$f(i)=max\{-2as_js_i+f(j)+as_j^2-bs_j\}+as_i^2+bs_i+c，1\le j<i$

然后再观察前面4项，可以发现 $s_i$ 是与 $j$ 的选取无关的，只与 $s_i$ 的选取有关；而其余都只与 $j$ 的选取有关，而与 $i$ 的选取无关
$s_i$ 有什么性质？
$s_i$ 为正项序列的前缀和，显然它一定是对于 $1...n$ 单调递增的
在求解 $f(i)$ 的过程中，我们也一定是按照 $1...n$ 的顺序求，也就是说，在求解 $f(i)$ 的过程中 $s_i$ 单调递增

我们考虑将前四项抽象成一条直线
令 $y=kx+b$
其中 $k=-2as_j$ ， $b=f(j)+as_j^2-bs_j$
也就是说，对于每一个 $j(1\le j\le n)$ ，都有一条确定的直线
那么在求解 $f(i)$ 的时候，对于之前的一个确定的 $j$ ，将 $s_i$ 带入解析式就能求出这个 $j$ 所对应的函数值
如果枚举每一个 $j$ ，求出相应的函数值来更新 $f(i)$ 的话，实际上就是 $O(n^2)$ dp的方法了
但是我们现在不能枚举，需要直接求出，也就是说，需要确定一条能取到最优值的直线

所以说，什么是斜率优化dp？
对于每一个 $i(1\le i\le n)$ ，将 $i$ 抽象成一条直线
求 $f(i)$ 时，求之前的所有直线在自变量为某一个数时的最优值
根据直线的斜率和自变量的增减关系，维护出一个 $O(n)$ 的算法
明白了这个之后，就已经基本上明白了斜率优化的大体过程

1.4 题解

对于这道题来说
由于 $-5\le a\le -1$ ，可以得出 $k>0$ ，即所有直线的斜率为正
由于 $s_i$ 单增，求 $f(i)$ 的过程中，顺次加入直线，直线的斜率也始终单增
维护一个斜率单增的单调双端队列，两个指针l,r

每一次加入一条直线 $y_i$ 之前，判断队首的两条直线 $y_l$ 和 $y_{l+1}$ 在 $s_i$ 处的函数值，如果 $y_l\le y_{l+1}$ ，说明直线 $y_l$ 已不是最优值，并且以后也不可能成为最优值，将其出队
计算 $f(i)$ ，此时最优的直线即为队首的直线 $y_l$
加入直线 $y_i$ ，如果 $y_i$ 与 $y_{r-1}$ 已经将 $y_r$ 完全覆盖，那么将 $y_r$ 弹出

举个栗子
这里写图片描述
在求解 $f(3)$ 的时候，需要查看 $f(1)$ 和 $f(2)$ 所表示的两条直线在 $s_3$ 处的函数值，然后取最大
如图所示，显然选 $y_2$ 比选 $y_1$ 要优
由于 $s_i$ 单增，以后在求解 $f(4)、f(5)...$ 的时候，这两条直线在 $s_4、s_5...$ 处的函数值 $y1$ 也不可能比 $y2$ 更优，所以 $y1$ 实际上就已经可以扔掉了

还有一种情况
这里写图片描述
可以发现，顺次插入 $y_1,y_2,y_3$ 这三条直线，因为要取最大值， $y_2$ 实际上已经被 $y_1$ 和 $y_3$ 完全覆盖了，无论 $s_i$ 取何值，它都已经不可能成为最优的答案，这个时候 $y_2$ 也可以扔掉了
实际上就是维护了一个下凸壳啊

我刚开始不明白为什么完全覆盖的要扔掉，不扔直接做不行么
这里有一个反例
这里写图片描述
此时 $y_1$ 和 $y_3$ 已经将 $y_2$ 完全覆盖，应该扔掉
但是如果不扔掉的话，查询此时在 $s_4$ 处的最优值
显然 $y1>y2$ ，这个时候会默认 $y_1$ 即为最优值，不会将 $y_1$ 弹出
而实际上 $y_3$ 才是真正的最优值
所以判断是否有两条直线将另外一条覆盖是完全必要的

如何判断两条直线已经被另一条直线覆盖？
知识储备：初中数学
如上图，令 $y_1=k_1x+b_1,y_2=k_2x+b_2,y_3=k_3x+b_3$
则求 $y_1$ 与 $y_3$ 的交点横纵坐标为
$k_1x+b_1=k_3x+b_3$
$x={b_3-b_1\over k_1-k_3}$
$y={k_1{b_3-b_1\over k_1-k_3}+b_1}$
然后求 $y_2$ 在 $x$ 处的函数值
$y_2=k_2{b_3-b_1\over k_1-k_3}+b_2$
若 $y2\le y$
即 $k_2{b_3-b_1\over k_1-k_3}+b_2\le {k_1{b_3-b_1\over k_1-k_3}+b_1}$
${b_3-b_1\over k_1-k_3}\le {b_2-b_1\over k_1-k_2}$
$(k_1-k_3)*(b_2-b_1)\le (k_1-k_2)*(b_3-b_1)$
那么直线 $y_2$ 已经被 $y_1$ 和 $y_3$ 完全覆盖
如果斜率为负或者斜率单减的话别搞错了正负号就好

这就是整个斜率优化的过程

1.5 代码

代码简洁清晰明了

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#include<cmath>
using namespace std;
#define LL long long
#define N 1000005

int n,l,r;
LL a,b,c,x;
int q[N];
LL s[N],f[N];

LL K(int j) {return -2*a*s[j];}
LL B(int j) {return f[j]+a*s[j]*s[j]-b*s[j];}
LL Y(int i,int j) {return K(j)*s[i]+B(j);}
bool cover(int x1,int x2,int x3)
{
    LL w1=(K(x1)-K(x3))*(B(x2)-B(x1));
    LL w2=(K(x1)-K(x2))*(B(x3)-B(x1));
    return w1<=w2;
}
int main()
{
    scanf("%d",&n);
    scanf("%lld%lld%lld",&a,&b,&c);
    for (int i=1;i<=n;++i) scanf("%lld",&x),s[i]=s[i-1]+x;
    l=r=0;
    for (int i=1;i<=n;++i)
    {
        while (l<r&&Y(i,q[l])<=Y(i,q[l+1])) ++l;
        f[i]=Y(i,q[l])+a*s[i]*s[i]+b*s[i]+c;
        while (l<r&&cover(i,q[r],q[r-1])) --r;
        q[++r]=i;
    }
    printf("%lld\n",f[n]);
}