利用线性规划的思想理解斜率优化DP

斜率优化DP做为1种较难理解的DP，在ACM中也有重要的作用。现有的论文或博客讲斜率优化DP要么过于抽象，要么推倒过于繁琐，这里用高中学的线性规划的知识来理解斜率优化DP，且思考方法具有一般性，可用于解决各种斜率优化问题。

以hdu3507http://acm.hdu.edu.cn/showproblem.php?pid=3507为例题。

我们很容易能推出方程F【i】= min{F【j】+(Si-Sj)^2 + M }

这是1个1D/1D的方程，即状态O（N），转移O（N），直接求效率为O（N^2）。

本题N为500000，O（N^2）显然不行！

这里，用斜率优化的方法，将转移的O（N）优化为均摊复杂度O（1），总复杂度O（N）的效率解决这个问题。

首先，将方程展开，并将带有j的项整理出来：

F【i】= min{F【j】+Sj^2-2*Si*Sj+Si^2 + M }

下一步，是斜率优化的关键，即找出一个直线方程。

令K=2*Si，X=Si，Y=F【j】+Sj^2，常数C=Si^2 + M

方程变为：

F【i】= min{Y-KX+C}

求某个F【i】，就是从前面的所有点（X，Y）的状态推来，我们开始描点。

首先分析点随这j的增加的趋势，j增加，可以推出K,X，Y都增加。