dp部分总结（单调队列，四边形优化，斜率优化，树形dp）

1、单调队列总结：
形如 ，其中，b[x]随x不降
方括号表示的函数值可以在规划之前全部算出（常量），而用圆括号表示的函数值必须在规划过程中计算得到（变量）。
我们注意到这样一个性质：如果存在两个数j, k，使得j <= k，而且g(k) <= g(j)，则决策j是毫无用处的。因为根据b[x]单调的特性，如果j可以作为合法决策，那么k一定可以作为合法决策，又因为k比j要优，（注意：在这个经典模型中，“优”是绝对的，是与当前正在计算的状态无关的），所以说，如果把待决策表中的决策按照k排序的话，则g(k)必然是不降的。
这样，就引导我们使用一个单调队列来维护决策表。对于每一个状态f(x)来说，计算过程分为以下几步：
队首元素出队，直到队首元素在给定的范围中。
此时，队首元素就是状态f(x)的最优决策，
计算g(x)，并将其插入到单调队列的尾部，同时维持队列的单调性（不断地出队，直到队列单调为止）。
重复上述步骤直到所有的函数值均被计算出来。不难看出这样的算法均摊时间复杂度是O(1)的。
简单的说：因为b【x】是单调递增的，那么我们枚举的k的起点肯定是越来越大的，所以如果有j<=k且g（k）< g（j）则k必定比j优。
所以步骤就是，除队首，算dp，加队尾。
可做的题：
CDOJ 594，hdu 3401，POJ 1821，POJ 2373，hdu 4362，NOI 2005瑰丽华尔兹
2、四边形优化：在动态规划中，经常遇到形如下式的状态转移方程：
dp(i,j)=min{dp(i,k-1) + dp(k,j)} + w(i,j) (i≤k≤j)
dp(i,j)表示区间[i,j]上的最优值。w(i,j)表示在转移时需要额外付出的代价。

很显然，该方程的时间复杂度为O(N3)。
因此，我们需要通过四边形不等式来优化上述方程。
首先介绍什么是“区间包含的单调性”和“四边形不等式”
区间包含的单调性：
如果对于 i≤i’< j≤j’，有 w(i’,j)≤w(i,j’)，那么说明w具有区间包含的单调性。
可以形象理解为如果小区间包含于大区间中，那么小区间的w值不超过大区间的w值。
四边形不等式：
如果对于 i≤i’< j≤j’，有 w(i,j)+w(i’,j’)≤w(i’,j)+w(i,j’)，我们称函数w满足四边形不等式。
可以形象理解为两个交错区间的w的和不超过小区间与大区间的w的和。