四边形不等式作为一种优化手段,可以加速某一些的动态规划转移。
其主要思想是利用决策变量的单调性,来减少状态转移过程中的决策,从而降低时间复杂度。
其中动态规划的转移方程会有如下的特征:
一.dp状态为二维,或者说可以表示成区间。
一般常见的形式为:
- dp[i][j]=min(dp[i][k]+w[k+1][j]),1≤k<j
- dp[i][j]=min(dp[i][k]+dp[k+1][j]+w[i][j]),1≤k<j
二.方程中同样有一个二维函数 w[i][j] 满足
- 区间包含的单调性:若 i<i ′ ≤j<j ′ ,则 w[i ′ ][j]≤w[i][j ′ ]
- 四边形不等式:若 i<i ′ ≤j<j ′ ,则 w[i][j]+w[i ′ ][j ′ ]≤w[i][j ′ ]+w[i ′ ][j]
通过上面两个条件,我们就可以证明
dp[i][j]
同样满足四边形不等式:
dp[i][j]+dp[i ′ ][j ′ ]≤dp[i][j ′ ]+dp[i ′ ][j],i<i ′ ≤j<j ′
定义 s[i][j] 为 dp[i][j] 取得最优解的时候,对应的下标。 s[i][j] 又称决策变量。
由于 dp[i][j] 满足四边形不等式,我们就可以证明 s[i][j] 有单调性:
s[i][j−1]≤s[i][j]≤s[i+1][j]
或
s[i−1][j]≤s[i][j]≤s[i][j+1]
这样,递推方程中的k的取值范围就能减小,从而加速状态转移过程。
而一般上,这样的优化可以使时间复杂度降低一个N,但是具体的降低程度需要严格的证明。
但是在赛场上做题的时候,如果没有时间去严格的证明上面的过程,就可以直接对决策变量打表,如果决策变量满足单调性,就可以利用单调性去优化了。
需要注意的一点是:上面给出了两个关于 s[i][j] 的单调性的描述,这两种描述对DP的过程,有着不同的影响。第一种描述要按照区间长度l从小到大递推,而第二种描述是按照i从小到大,j从大到小递推。