斜率优化-CSDN博客

斜率优化

斜率优化是指对一些特殊的动态规划问题进行的优化（废话），数形结合，通过状态建点，利用其斜率的特性，在短时间求出最佳决策的算法。

方法是通过方程推出一个形似\(\frac{g_j-g_k}{g'_j-g'_k}<K_i\)的不等式

话不多说，从例题入手

BZOJ1096 [ZJOI2007]仓库建设是一道入门题

设子状态\(f_i\)为在工厂\(i\)建立仓库时\(1\)到\(i\)的花费总和

显然,\(f_i=min\{f_j+\sum_{k=1}^{j}P_k\times (X_i-X_j)+\sum_{k=j+1}^{i}{P_k\times(X_i-X_k)}+C_i\}\)

可以据此写出代码：

for(int i=1;i<=n;i++)
        sp[i]=sp[i-1]+P[i],s[i]=s[i-1]+sp[i-1]*(X[i]-X[i-1]);
for(int i=1;i<=n;i++){
    F[i]=INF;
    for(int j=0;j<i;j++){
        F[i]=min(F[i],F[j]+(s[i]-s[j]-sp[j]*(X[i]-X[j]))+C[i]);
    }
}

复杂度为\(O(n^2)\)，对于\(N≤1000000\)的数据显然是过不了的

可以发现，为了得到子状态\(f_i\)，共进行了\(i\)次转移，但是实际有效的只有一次

如何可以在\(O(1)\)或\(O(\log_2n)\)的复杂度内找出最佳决策呢？

斜率优化！

对于转移方程\(f_i=f_j+(s_i-s_j-sp_j\times(X_i-X_j))+C_i;\)

我们取出两个子状态\(f_i\)和\(f_k\)，假设从\(f_j\)转移到\(f_i\)比从\(f_j\)转移到\(f_k\)要更优

\(\therefore f_j+(s_i-s_j-sp_j\times(X_i-X_j))+C_i<F_k+(s_i-s_k-sp_k\times(X_i-X_k))+C_i\)

\(\therefore f_j-s_j-sp_j\times X_i+sp_j\times X_j<f_k-s_k-sp_k\times X_i+sp_k\times X_k\)

\(\therefore f_j-s_j+sp_j\times X_j-f_k+s_k-sp_k\times X_k<sp_j\times X_i-sp_k\times X_i\)

令\(g_i=f_j-s_j+sp_j\times X_j\)，

\(\therefore g_j-g_k<(sp_j-sp_k)\times X_i\)

不妨令\(sp_j<sp_k\)，

\(\therefore\frac{g_i-g_k}{sp_j-sp_k}<X_i\)

仔细观察，发现这很像一个斜率的表达式

在平面中建点\(A_j(sp_j,g_j)\)，\(A_k(sp_k,g_k)\)，连接\(A_jA_k\)，

问题就可以转换为：

对于子状态\(f_i\)和\(f_k\)，

从\(f_j\)转移到\(f_i\)比从\(f_j\)转移到\(f_k\)要更优\(\Leftarrow\Rightarrow\)\(A_jA_k\)的斜率小于\(X_i\)

那么，当平面中有多个点时又如何呢？

如图，有点\(A\)，\(B\)，\(C\)，\(BC\)斜率小于\(AB\)斜率

如果\(AB\)斜率大于等于\(X_i\)，则\(A\)比\(B\)优

如果\(AB\)斜率小于\(X_i\)，则\(BC\)斜率一定小于\(X_i\)，则\(C\)比\(B\)优

综上，出现如图情况时，\(B\)一定不是最优

所以显然，在平面中有多个点时，只有下凸壳（如果方程求的是最大值则为上凸壳）的点才是有用的点

此时，我们发现，点之间的斜率是单调递增的，

这。。。不就是个单调队列/栈吗！

再看，\(X_i\)是递增的，所以最佳状态在单调队列/栈里的位置也是递增的。

所以就是单调队列了。

#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
#include<cmath>
#define int long long
#define maxn 1000000
#define INF 0x3f3f3f3f3f3f3f3f
using namespace std;
void read(int &x){
    int f=1;x=0;char ch=getchar();
    while(!isdigit(ch)){if(ch=='-') f=-1;ch=getchar();}
    while(isdigit(ch)){x=x*10+ch-'0';ch=getchar();}
    x*=f;
}
int X[maxn+5],P[maxn+5],C[maxn+5];
int F[maxn+5],s[maxn+5],sp[maxn+5];
struct vec{                     //。。之前写凸包时用的结构体名是vec，现在就继续沿用了
    int i,x,y;
    vec(){i=x=y=0;}
    vec(int x,int y){i=0,this->x=x,this->y=y;}
    friend vec operator-(vec a,vec b){return vec(a.x-b.x,a.y-b.y);}
    friend bool operator<(vec a,vec b){return (double)a.y/a.x<(double)b.y/b.x);}
} q[maxn+5];
int head=1,tail=0;
void push(vec x){
    while((tail-head+1)>1&&(x-q[tail-1])<(q[tail]-q[tail-1])) tail--;   //x和队尾上一个的斜率小于队尾和队尾上一个的斜率时，弹出队尾
    q[++tail]=x;
}
void pop(int k){
    while((tail-head+1)>1&&(q[head+1]-q[head])<vec(1,k)) head++;//弹出斜率比k小的斜率
}
#undef int
int main(){
#define int long long
    int n;read(n);
    for(int i=1;i<=n;i++) read(X[i]),read(P[i]),read(C[i]);
    for(int i=1;i<=n;i++)
        sp[i]=sp[i-1]+P[i],s[i]=s[i-1]+sp[i-1]*(X[i]-X[i-1]);
    push(vec(0,0));
    for(int i=1;i<=n;i++){
        pop(X[i]);
        int j=q[head].i;
        F[i]=F[j]+(s[i]-s[j]-sp[j]*(X[i]-X[j]))+C[i];
        vec x(sp[i],F[i]-s[i]+sp[i]*X[i]);x.i=i;
        push(x);
    }
    printf("%lld\n",F[n]);
}