决策单调性优化dp

算法介绍

$1D/1D$动态规划

形如 d p [ i ] = m i n { d p [ j ] + w ( j , i ) } ( L i ≤ j ≤ R i ) dp[i]=min\{dp[j]+w(j,i)\} (L_i\leq j\leq R_i) dp[i]=min{ dp[j]+w(j,i)}(Li​≤j≤Ri​) 的$dp$方程被称作$1D/1D$动态规划，其中$L_i$和$R_i$单调递增，$w(j,i)$决定着优化策略选择。

( d p [ i ] = m a x { d p [ j ] + w ( j , i ) } dp[i]=max\{dp[j]+w(j,i)\} dp[i]=max{ dp[j]+w(j,i)}与 d p [ i ] = m i n { d p [ j ] + w ( j , i ) } dp[i]=min\{dp[j]+w(j,i)\} dp[i]=min{ dp[j]+w(j,i)}类似，本文不赘述)

决策单调性

设$j_0[i]$表示$dp[i]$转移的最优决策点，那么决策单调性可描述为 $\forall i\le j,j_0[i]\le j_0[j]$。也就是说随着$i$的增大，所找到的最优决策点是递增态（非严格递增）。

$1D/1D$动态规划何时具有决策单调性

四边形不等式

表述1：
$w(x,y)$为定义在整数集合上的一个二元函数，若 $\forall a\le b\le c\le d,w(a,c)+w(b,d)\le w(a,d)+w(b,c)$，那么函数$w$满足四边形不等式。

表述2：
$w(x,y)$为定义在整数集合上的一个二元函数，若 $\forall a<b,w(a,b)+w(a+1,b+1)\le w(a+1,b)+w(a,b+1)$，那么函数$w$满足四边形不等式。

定理：

$1D/1D$动态规划具有决策单调性当且仅当函数$w$满足四边形不等式 时成立。

一些瞪眼法

记$w(j,i)$为$w_j(i)$

令转移式满足决策单调性的函数$w$一般满足以下规律：

1. 决策函数$w_j(x)$之间可以通过平移相互变换
2. $w_j(x)$的导函数在定义域内单调

只要满足以上规律，那么两个决策函数$w_{j_1}(x),w_j$