四边形不等式优化DP

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：

• $dp[i][j] = min (dp[i][k] + w[k+1][j]), 1 \le k \lt j$
• $dp[i][j] = min(dp[i][k] + dp[k+1][j] + w[i][j]), 1\le k \lt j$

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$i \lt i' \le j \lt j'$,则$w[i'][j] \le w[i][j']$
• 四边形不等式：若$i \lt i' \le j \lt j'$,则$w[i][j] + w[i'][j'] \le w[i][j'] + w[i'][j]$

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：

$$dp[i][j] + dp[i'][j'] \le dp[i][j'] + dp[i'][j],i \lt i' \le j \lt j'$$
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：
$$s[i][j-1] \le s[i][j] \le s[i+1][j]$$
或
$$s[i-1][j] \le s[i][j] \le s[i][j+1]$$
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。