[Luogu2843] [USACO09MAR,Gold] Cleaning Up [dp]

$\mathfrak{l}\mathfrak{i}\mathfrak{n}\mathfrak{k}$

本篇题解可能含有大量窝理解缓慢写出来的废话
下面主要是讲推出式子的思路
如果大佬们觉得一些地方很显然的话还是选择性跳着读吧（
解题方法看代码就看得出来的

这种类型的不好直接转移，
如果只知道区间的大概信息也不知道有哪些数被选（状压啥的在分析之前就被数据范围$\mathsf{x}$掉了
所以得另外开一个数组预处理一些信息：比如$[i,j]$里面的数值种类数$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}[\mathfrak{i}][\mathfrak{j}]$。
方程 f i = m i n { f j + d i f f j ∼ i 2 } \mathfrak{f_{i}=min\{f_j+diff_{j\thicksim i}^2\}} fi​=min{fj​+diffj∼i2​}
然而这题不给$\Theta ({\mathfrak{n}}^2)$。那么$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}[\mathfrak{i}][\mathfrak{j}]$就别想了
$\mathfrak{d}\mathfrak{p}$暂且到此为止。

——换一种思路。考虑极端情况来入手。
比如讲，如果一个也不分，$\mathfrak{a}\mathfrak{n}\mathfrak{s}={\mathfrak{n}}^2$。
中间的略过，先考虑更直接简单的情况：如果每一个都分出来，$\mathfrak{a}\mathfrak{n}\mathfrak{s}$？
$=\mathfrak{n}$。
那么，最优解一定有：它的$\mathfrak{a}\mathfrak{n}\mathfrak{s}\le n$。
放在长度$\mathfrak{l}\mathfrak{e}\mathfrak{n}$的小区间上有$\mathfrak{a}\mathfrak{n}{\mathfrak{s}}^{\prime }\le \mathfrak{l}\mathfrak{e}\mathfrak{n}$，于是一段区间里面不同种类数的种数不能超过$\sqrt{\mathfrak{l}\mathfrak{e}\mathfrak{n}}$。
所以怎么利用？
这里差点歪出一颗主席树来

好像复杂度是$\Theta (\mathfrak{n}\sqrt{\mathfrak{n}})$了吧？
其中$\sqrt{\mathfrak{n}}$的产生方式有可能会是要枚举$\sqrt{\mathfrak{n}}$
…？这么想呢。能够枚举到$\sqrt{\mathfrak{n}}$的也就是种数了？
回到$\mathfrak{d}\mathfrak{p}$考虑。现在空间上地、有两维。
第一维多半是位置。（可以滚掉）
第二维也一般和上一个集合有关。
放到这题里面，如果第二维只表示到现在有几个集合那好像没有什么用。
需要表示的，有可能是$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}$；不过为了转移这个一定不能放进去，
在二维里面的应该是能确定更多关于之前集合信息的：比如上一个集合的末端。
至于$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}$可以间接来决定，例如说，决定“上一个集合”——

考虑时间上，两层循环？
第一层是位置、递增。记为$\mathfrak{i}$。
既然说要用$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}$来间接决定空间二维，那时间的二维就是它了。$\mathfrak{j}$。
可以记$\mathfrak{p}\mathfrak{o}{\mathfrak{s}}_{\mathfrak{j}}$ 表示当前位置$\mathfrak{i}$，往前面的一个从其右端点右侧到$\mathfrak{i}$的$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}\le \mathfrak{j}$的区间。
然后转移就是选进（这个区间右端点右侧 到 $\mathfrak{i}$）的区间。
当然选进来的区间越长越好，反正它能被选就是它的$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}$符合要求$\le \mathfrak{j}$。

啊对了，到这里不用求$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}$，而是要求最长$\mathfrak{d}\mathfrak{i}\mathfrak{f}\mathfrak{f}=\mathfrak{j}$
实现显然可以对于一个数处理跟他相同的数（位置上前驱/后继），
对于$\mathfrak{p}\mathfrak{o}{\mathfrak{s}}_{\mathfrak{x}}$同时处理$\mathfrak{c}\mathfrak{n}{\mathfrak{t}}_{\mathfrak{x}}$表示${\mathfrak{a}}_{\mathfrak{p}\mathfrak{o}{\mathfrak{s}}_{\mathfrak{x}}}$出现几次了。

复杂度：$\Theta (\mathfrak{n}\sqrt{\mathfrak{n}})$。

f i = m i n { f p o s j + j 2 } \mathfrak{f_i=min\{f_{pos_j}+j^2\}} fi​=min{fposj​​+j2}
维护一下$\sqrt{\mathfrak{n}}$个$\mathfrak{p}\mathfrak{o}{\mathfrak{s}}_{\mathfrak{j}}$。

我怎么分析了这么长（鶸爆了

#include<cstdio>
#include<iostream>
#include<cstdlib>
#include<algorithm>
#include<cmath>
#include<ctime>
#include<queue>
#include<cstring>
#include<cctype>
using namespace std;
int N,M,L,A;
int P[40005]={};
int F[40005]={};
int head[40005]={};
int nxt[40005]={};
int pre[40005]={};
int cnt[40005]={};
int diff=0;
int main()
{
	scanf("%d%d",&N,&M); L=sqrt(N);
	for(int i=1;i<=N;++i)
	{
		nxt[i]=N+1;
		scanf("%d",&A);
		pre[i]=head[A];
		nxt[head[A]]=i;
		head[A]=i;
		F[i]=0x3f3f3f3f;
	}
	nxt[N+1]=N+1;
	for(int t,i=1;i<=N;++i)
	{
		if(!pre[i])++diff;
		t=min(diff,L); //*
		for(int j=1;j<=t;++j)
		{
			if(!cnt[j])cnt[j]=diff; else if(pre[i]<=P[j])++cnt[j];
			while(cnt[j]>j)if(nxt[++P[j]]>i)--cnt[j];
			F[i]=min(F[i],F[P[j]]+j*j);
		}	
	}
	printf("%d",F[N]);
    return 0;
}

---

Summary

$\mathfrak{d}\mathfrak{p}$的过程实际上（大约）就是在一个状态的$\mathcal{S}-\mathcal{T}\mathcal{D}\mathcal{A}\mathcal{G}$上面逐层（可能高维）跑答案
因此$\mathfrak{d}\mathfrak{p}$要满足无后效性和最优化子结构性质。

已经最终决定的子问题，它和推出它的子问题里面只有它会对后面的问题有贡献。
子问题最优解可以得到原问题最优解。（实际上就是$\mathfrak{f}$是有效的，能够求解问题）

同时，

$\mathfrak{d}\mathfrak{p}$是由搜索演变来的，而相比搜索，$\mathfrak{d}\mathfrak{p}$牺牲了空间复杂度存状态来换取时间复杂度的降低。
$\mathfrak{d}\mathfrak{p}$存储状态，就是为了避免像朴素递归穷举那样多次重复求解同一个问题
这一点上$\mathfrak{d}\mathfrak{p}$或许也可以算作一种剪枝？
由此，$\mathfrak{d}\mathfrak{p}$很大的作用就是避免多次解决重复问题。
于是在题目的一层问题上，一般来说能分治就不$\mathfrak{d}\mathfrak{p}$，能$\mathfrak{d}\mathfrak{p}$就不分治。
因为能分治（不考虑那些奇奇怪怪的分治）就是子问题不带重复
子问题带重复就分治不了。

可以由以上三个性质来考虑问题是否能用$\mathfrak{d}\mathfrak{p}$解决。
（当然$\mathfrak{d}\mathfrak{p}$做多了、这种考虑可能会很自然）
有这么一种说法，“贪心是第一数学归纳法，$\mathfrak{d}\mathfrak{p}$是第二数学归纳法”
贪心，${\mathfrak{f}}_{\mathfrak{i}}\to {\mathfrak{f}}_{\mathfrak{i}+1}$；
$\mathfrak{d}\mathfrak{p}$，${\mathfrak{f}}_{1\sim \mathfrak{i}}\to {\mathfrak{f}}_{\mathfrak{i}+1}$。

寻找朴素$\mathfrak{d}\mathfrak{p}$方程的方法就是尽量满足三个性质。
优化的方法？
空间优化基本上就那么样了。
时间上，

优化/设计方法

1. 利用数据结构优化（比如转移方程里面有区间x之类的操作）或者数学变换
2. 利用题目本身的性质（单调性、区间可加之类）
3. 对于特定形式的方程，比如四边形不等式，斜率优化，单调队列
4. 将状态延迟处理，比如把${\mathfrak{f}}_{\mathfrak{i}}$沿用到${\mathfrak{f}}_{\mathfrak{i}+\mathfrak{j}}$，有时可以优化掉一维；类似的前缀和
5. 某一类问题（插头、轮廓线、计数、状压、期望、概率等）有比较通用的思路
6. 分治偶尔可以跟$\mathfrak{d}\mathfrak{p}$一起用，$\mathfrak{l}\mathfrak{o}\mathfrak{g}$掉一个$\mathfrak{n}$
7. 一类带修改的动态$\mathfrak{d}\mathfrak{p}$问题（就不在这里详谈吧）
8. 利用自动机等构造$\mathfrak{d}\mathfrak{f}\mathfrak{a}$转移图并且可能可以用于$\mathfrak{d}\mathfrak{p}$上；矩阵加速
9. 推结论。甚至可以推倒dp
10. 逆向思维
11. 在某些部分可以尝试结合其他算法，比如$\mathfrak{d}\mathfrak{p}$+图论啥的