【算法】决策单调性优化DP

决策单调性

四边形不等式

定义:
对于二元函数 $w(x,y)$，若 $\forall a,b,c,d\in \mathbb{Z}$，且 $a\le b\le c\le d$，都有 $w(a,d)+w(b,c)\ge w(a,c)+w(b,d)$，则称函数 $w$ 满足四边形不等式，也称它满足凸完全单调性

简记为 跨越 $+$ 包含 $\ge$ 交叉

定理1:
若函数 $w(x,y)$ 满足 $\forall a,b\in \mathbb{Z},a<b$ 都有 $w(a,b+1)+w(a+1,b)\ge w(a,b)+w(a+1,b+1)$
则函数 $w$ 满足四边形不等式

证明1:
若$a<c$，有 $w(a,c+1)+w(a+1,c)\ge w(a,c)+w(a+1,c+1)$
若$a+1<c$，有 $w(a+1,c+1)+w(a+2,c)\ge w(a+1,c)+w(a+2,c+1)$
两式相加，得 $w(a,c+1)+w(a+1,c)+w(a+1,c+1)+w(a+2,c)\ge w(a,c)+w(a+1,c+1)+w(a+1,c)+w(a+2,c+1)$
即 $w(a,c+1)+w(a+2,c)\ge w(a,c)+w(a+2,c+1)$
同理可证，$\forall a\le b\le c,w(a,c+1)+w(b,c)\ge w(a,c),w(b,c+1)$
同理可证，$\forall a\le b\le c\le d$,$w(a,d)+w(b,c)\ge w(a,c)+w(b,d)$

决策单调性

定义:
考虑转移方程 $f[i]={\min }_{0\le j<i}(f[j]+w(j,i))$
令 $p[i]$ 表示 $i$ 的最优决策 $j$，即让 $f[i]$ 取最小值的 最小 $j$
若 $p[i]$ 在 $[1,n]$ 上单调不减，则称 $f$ 具有决策单调性

定理2:
考虑转移方程 $f[i]={\min }_{0\le j<i}(f[j]+w(j,i))$，若函数 $w$ 满足四边形不等式，则 $f$ 具有决策单调性
证明2:
$\forall i\in [1,n],j\in [0,p[i]-1],f[p[i]]+w(p[i],i)\le f[j]+w(j,i)$ $(1)$
$\forall i^{\prime }\in [i+1,n],j<p[i]<i<i^{\prime },w(j,i^{\prime })+w(p[i],i)\ge w(j,i)+w(p[i],i^{\prime })$
$\therefore w(p[i],i^{\prime })-w(p[i],i)\le w(j,i^{\prime })-w(j,i)$ $(2)$
$(1)$+$(2)$ 得: $f[p[i]]+w(p[i],i^{\prime })\le f[j]+w(j,i^{\prime })$
$\therefore p[i^{\prime }]\ge p[i]$
所以 $f$ 具有决策单调性

形式1

用于优化形如 $f[i]={\min }_{1\le j\le i}w(j,i)$ 的转移方程。
因为我们只需要找到每一个 $p[i]$，我们就可以算出每一个 $f[i]$ 了，那么对于这种方法，我们有两种常见方法。

法1 分治

考虑求区间 $[1,n]$ 的 $p[i]$，我们先求出 $p[mid]$，再把它分成两个区间 $[1,mid-1]$ 和 $[mid+1,n]$ 分治求解。
为什么可以呢，因为根据决策单调性，$\forall i\in [mid+1,n],p[i]\ge p[mid],\forall j\in [1,mid-1],p[j]\le p[mid]$
所以可以分治来求答案。
参考代码：

void solve(int l,int r,int pl,int pr){
	// 求pmid=p[mid]
	//算出 f[mid]
	solve(l,mid-1,p,pmid);
	solve(mid+1,r,pmid,pr);
}

法2 二分队列

易证，每一个决策一定是在一个区间内的，例如：
$$p[i](i\in [1,4])=1,p[i](i\in [5,9])=3,p[i](i\in [10,n])=k$$
所以可以维护一个单调队列，用于表示每个决策 $i$ 所对应的最优转移点。
参考代码：

void solve(){
	h=1,t=0;
	for(int i=1;i<=n;i++){
		insert(i);
		if(h<=t&&q[h].r<i)
			h++;
		else
			q[h].l=i;
		f[i]=min(f[i],w(q[h].p,i));
	}
}

例题 P3515

给定一个长度为 $n$ 的序列 { a n } \{a_n\} {an​}，对于每个 $i\in [1,n]$ ，求出一个最小的非负整数 $p$ ，使得 $\forall j\in [1,n]$，都有 $a_j\le a_i+p-\sqrt{|i-j|}$

$1\le n\le 5\times 10^5$，$0\le a_i\le 10^9$ 。

Solution

先变形：
$p\ge a[j]+\sqrt{|i-j|}-a[i],\forall j\in [1,n]$

问题变为求 $\max (a[j]+\sqrt{|i-j|}),\forall j\in [1,n]$

考虑将序列先算一遍，翻转一次后再算一遍，最后求最大值，即变为求 $\max (a[j]+\sqrt{|i-j|}),\forall j\in [1,i]$

令 $f[i]=\max (a[j]+\sqrt{i-j})$
此处 $w(j,i)=\sqrt{i-j}$
定义 $a+1<c$
则有：
$w(a,c)=\sqrt{c-a},w(a+1,c)=\sqrt{c-a-1},w(a,c+1)=\sqrt{c-a+1},w(a+1,c+1)=\sqrt{c-a}$

$\therefore w(a,c+1)+w(a+1,c)-w(a,c)-w(a+1,c+1)=\sqrt{c-a-1}+\sqrt{c-a+1}-2\sqrt{c-a}$
令 $d=c-a$
原式 $=(\sqrt{d+1}-\sqrt{d})-(\sqrt{d}-\sqrt{d-1})$
对函数 $f(x)=\sqrt{x}-\sqrt{x-1}$ 求导发现其单调递减，所以原式恒小于 $0$，即可得：
$$w(a,c+1)+w(a+1,c)\le w(a,c)+w(a+1,c+1)$$
可以发现，它跟四边形不等式符号相反，同样亦可证得 $f$ 满足决策单调性，于是可以套用 法$1$ 和法 $2$ 进行求解。
参考代码：
F1：

#include<bits/stdc++.h>
#define int __int128
#define lf double
using namespace std;
const int N=5e5+1,mod=1e9+7;
const lf eps=1e-5;
int n,a[N];
lf sq[N],f[N];
inline lf w(int j,int i){
	return 1.0*a[j]+sq[i-j];
}
inline int Ceil(lf x){
	return (int)(x+1-eps);
}
void solve(int l,int r,int pl,int pr){
	if(l>r)
		return ;
	int mid=(l+r)>>1,mxp;
	lf mx=0;
	for(int i=pl;i<=min(mid,pr);i++)
			if(w(i,mid)>mx)
				mx=w(i,mid),mxp=i;
	f[mid]=max(f[mid],mx);
	solve(l,mid-1,pl,mxp);
	solve(mid+1,r,mxp,pr);
}
signed main(){
	n=read();
	for(int i=1;i<=n;i++)
		a[i]=read(),sq[i]=sqrt((1.0*i));
	solve(1,n,1,n);
	for(int i=1;i<=n/2;i++)
		swap(a[i],a[n-i+1]),swap(f[i],f[n-i+1]);
	solve(1,n,1,n);
	for(int i=1;i<=n/2;i++)
		swap(a[i],a[n-i+1]),swap(f[i],f[n-i+1]);
	for(int i=1;i<=n;i++){
		write(Ceil(f[i]-a[i]));
		printf("\n");
	}
	return 0;
}

F2：

#include<bits/stdc++.h>
#define int __int128
#define lf double
using namespace std;
const int N=5e5+1,mod=1e9+7;
const lf eps=1e-5;
int n,a[N],h,t;
lf sq[N],f[N];
struct fy{
	int l,r,p;
}q[N];
inline lf w(int j,int i){
	return 1.0*a[j]+sq[i-j];
}
inline int Ceil(lf x){
	return (int)(x+1-eps);
}
int find_(int t,int x){
	int res=q[t].r+1,l=q[t].l,r=q[t].r,p=q[t].p;
	while(l<=r){
		int mid=(l+r)>>1;
		if(w(p,mid)<=w(x,mid))
			res=mid,r=mid-1;
		else
			l=mid+1;
	}
	return res;
}
void insert(int x){
	q[t].l=max(q[t].l,x);
	while(h<=t&&w(q[t].p,q[t].l)<=w(x,q[t].l))
		t--;
	if(h<=t){
		int mid=find_(t,x);
		if(mid>n)
			return ;
		q[t].r=mid-1;
		q[++t].l=mid,q[t].p=x,q[t].r=n;
	}
	else{
		q[++t].l=x,q[t].p=x,q[t].r=n;
	}
}
void solve(){
	h=1,t=0;
	for(int i=1;i<=n;i++){
		insert(i);
		if(h<=t&&q[h].r<i)
			h++;
		else
			q[h].l=i;
		f[i]=max(f[i],w(q[h].p,i));
	}
}
signed main(){
	n=read();
	for(int i=1;i<=n;i++)
		a[i]=read(),sq[i]=sqrt((1.0*i));
	solve();
	for(int i=1;i<=n/2;i++)
		swap(a[i],a[n-i+1]),swap(f[i],f[n-i+1]);
	solve();
	for(int i=1;i<=n/2;i++)
		swap(a[i],a[n-i+1]),swap(f[i],f[n-i+1]);
	for(int i=1;i<=n;i++){
		write(Ceil(f[i]-a[i]));
		printf("\n");
	}
	return 0;
}

形式2

用于优化形如 $f[i]={\min }_{0\le j<i}(f[j]+w(j+1,i))$ 的转移方程。($w$ 满足四边形不等式)
注意到此种转移方程依赖于前面的值，因此分治法不再适用，所以只能用二分队列，思路跟上面一摸一样。

例题 P3195

P 教授要去看奥运，但是他舍不下他的玩具，于是他决定把所有的玩具运到北京。他使用自己的压缩器进行压缩，其可以将任意物品变成一堆，再放到一种特殊的一维容器中。
P 教授有编号为 $1\cdots n$ 的 $n$ 件玩具，第 $i$ 件玩具经过压缩后的一维长度为 $C_i$。
为了方便整理，P教授要求：

• 在一个一维容器中的玩具编号是连续的。
• 同时如果一个一维容器中有多个玩具，那么两件玩具之间要加入一个单位长度的填充物。形式地说，如果将第 $i$ 件玩具到第 $j$ 个玩具放到一个容器中，那么容器的长度将为 $x=j-i+\sum _{k=i}^j{C}_k$。
  制作容器的费用与容器的长度有关，根据教授研究，如果容器长度为 $x$，其制作费用为 $(x-L{)}^2$。其中 $L$ 是一个常量。P 教授不关心容器的数目，他可以制作出任意长度的容器，甚至超过 $L$。但他希望所有容器的总费用最小。

对于全部的测试点，$1\le n\le 5\times 10^4$，$1\le L\le 10^7$，$1\le C_i\le 10^7$。

Solution

令 $f[i]$ 表示前 $i$ 个玩具装箱的最小代价，则枚举第 $i$ 个玩具和那些玩具放在一个箱子中，可得转移方程：
$$f[i]=\underset{1\le j\le i}{\min }(f[j-1]+(i-j-L+\sum _{k=j}^i{C}_k{)}^2)$$

$f$ 满足决策单调性，证明参考 OI-WIKI

补充：图片的 $K$ 与题意中的 $L$ 意思相同。
性质 $1,2,3$：

那么把形式 $1$ 例题的方法 $2$ 的代码改装一下就可以了。
参考Code:

#include<bits/stdc++.h>
#define int __int128
#define lf double
using namespace std;
const int N=5e5+1,mod=1e9+7;
const lf eps=1e-5;
int n,a[N],h,t,L;
int f[N],sum[N];
struct fy{
	int l,r,p;
}q[N];
inline int w(int j,int i){
	return f[j-1]+(i-j+sum[i]-sum[j-1]-L)*(i-j+sum[i]-sum[j-1]-L);
}
int find_(int t,int x){
	int res=q[t].r+1,l=q[t].l,r=q[t].r,p=q[t].p;
	while(l<=r){
		int mid=(l+r)>>1;
		if(w(p,mid)>=w(x,mid))
			res=mid,r=mid-1;
		else
			l=mid+1;
	}
	return res;
}
void insert(int x){
	q[t].l=max(q[t].l,x);
	while(h<=t&&w(q[t].p,q[t].l)>=w(x,q[t].l))
		t--;
	if(h<=t){
		int mid=find_(t,x);
		if(mid>n)
			return ;
		q[t].r=mid-1;
		q[++t].l=mid,q[t].p=x,q[t].r=n;
	}
	else{
		q[++t].l=x,q[t].p=x,q[t].r=n;
	}
}
void solve(){
	h=1,t=0;
	for(int i=1;i<=n;i++){
		insert(i);
		if(h<=t&&q[h].r<i)
			h++;
		else
			q[h].l=i;
		f[i]=max(f[i],w(q[h].p,i));
	}
}
signed main(){
	n=read();
	L=read();
	for(int i=1;i<=n;i++)
		a[i]=read(),sum[i]=sum[i-1]+a[i];
	solve();
	write(f[n]);
	return 0;
}
//直接交不能AC哦
//而且此代码与OI-WIKI的略微有些不同

形式3

用于优化形如 $f[k][i]={\min }_{1\le j\le i}(f[k-1][j-1]+w(j,i))$ 的转移方程($w$ 满足四边形不等式)
注意到其实跟形式 $1$ 没有什么区别，因为它不依赖于这一层的值，而是依赖于上一层的值，所以既可以分治也可以二分队列。
据作者喜好(不是作者太菜)，例题中只给出分治做法。

例题 CF833B

将一个长度为 $n$ 的序列分为 $k$ 段，使得总价值最大。
一段区间的价值表示为区间内不同数字的个数。
$n\le 35000,k\le 50$

Solution

考虑决策单调性优化DP
令 $f[i][j]$ 表示前 $j$ 个数分成 $i$ 段的最小费用，则可得：

$$f[i][j]=\underset{1\le k<j}{\min }(f[i-1][k]+w(k+1,j))$$
其中 $w(l,r)$ 表示 下表为$[l,r]$ 中不同数字的个数。
证明 $w$ 满足决策单调性：
手搓几个样例就可以了口糊过去
证明：
令 $g(x,l,r)$ 表示 $x$ 是否在区间 $[l,r]$ 内出现过，出现为 $0$,否则为 $1$,$\Delta =[C_a==C_{b+1}]$
$w(a,b+1)+w(a+1,b)=2w(a+1,b)+g(C_a,a+1,b)+g(C_{b+1},a+1,b)-\Delta$
$w(a,b)+w(a+1,b+1)=2w(a+1,b)+g(C_a,a+1,b)+g(C_{b+1},a+1,b)$
所以可得：
$w(a,b+1)+w(a+1,b)\le w(a,b)+w(a+1,b+1)$
因此 $w$ 满足四边形不等式
所以 $f$ 满足决策单调性

仅限于分治方法：
接下来就可以 Code了，不过维护 $w(l,r)$ 时注意可以用莫队的思想，维护双指针，由于分治的特殊性可以保证时间复杂度为 $O(n)$
总时间复杂度：$O(kn\log n)$

参考Code:

#include<bits/stdc++.h>
#define int long long
#define IOS ios::sync_with_stdio(false),cin.tie(NULL),cout.tie(NULL)
using namespace std;
const int N=1e5+1,mod=1e9+7;
int n,k,a[N],f[52][N],cnt[N],ans,l,r;
inline void add(int x){
	ans+=(++cnt[x]==1);
}
inline void del(int x){
	ans-=(--cnt[x]==0);
}
inline int w(int cl,int cr){
	while(l<cl)
		del(a[l++]);
	while(l>cl)
		add(a[--l]);
	while(r<cr)
		add(a[++r]);
	while(r>cr)
		del(a[r--]);
	return ans;
}
void solve(int l,int r,int pl,int pr,int now){
	if(l>r)
		return ;
	int mid=(l+r)>>1,mxp;
	int mx=0;
	for(int i=pl;i<=min(mid-1,pr);i++){
		int o=f[now-1][i]+w(i+1,mid);
		if(o>mx)
			mx=o,mxp=i;
	}
	f[now][mid]=max(mx,f[now-1][mid]);
	solve(l,mid-1,pl,mxp,now);
	solve(mid+1,r,mxp,pr,now);
}
signed main(){
	n=read(),k=read();
	for(int i=1;i<=n;i++)
		a[i]=read();
	l=1,r=0;
	ans=0;
	for(int i=1;i<=k;i++){
		solve(1,n,0,n,i);
	}
	cout<<f[k][n]<<"\n";
	return 0;
}
//注意不开快读会T哦

形式4

用于优化形如 $f[i][j]=\min (f[i][k]+f[k+1][j]+w(i,j))$ 的区间DP转移方程
只需要一个简单的操作，就能把这个区间DP的时间复杂度从 $O(n^3)$ 将为 $O(n^2)$，就是把枚举 $k$ 的代码从

for(int k=i;k<j;k++)

改为

for(int k=p[i][j-1];k<=p[i+1][j];k++)

其中 $p[i][j]$ 表示 $i$ ~ $j$的最优分割点。
证明可以参考 《算法竞赛》中的 5.10
和洛谷 石子合并 题解区中 Hurricane、 的题解。

例题

Solution

参考代码：

#include<bits/stdc++.h>
//#define int long long
#define IOS ios::sync_with_stdio(false),cin.tie(NULL),cout.tie(NULL)
using namespace std;
const int N=5e3+1,mod=1e9+7;
int n,a[N],s[N],f[N][N],p[N][N];
inline int read(){
	int x=0;
	char s=getchar();
	while(s<'0'||s>'9')
		s=getchar();
	while(s>='0'&&s<='9')
		x=x*10+s-'0',s=getchar();
	return x;
}
signed main(){
//	IOS;
	n=read();
	for(int i=1;i<=n;i++)
		a[i]=a[i+n]=read();
	for(int i=1;i<=2*n;i++)
		s[i]=s[i-1]+a[i],p[i][i]=i;
	for(int len=2;len<=n;len++)
		for(int l=1;l<=n*2-len+1;l++){
			int r=l+len-1;
			int res=1e9;
			for(int mid=p[l][r-1];mid<=p[l+1][r];mid++)
				if(f[l][mid-1]+f[mid+1][r]+s[r]-s[l-1]-a[mid]<res)
					res=f[l][mid-1]+f[mid+1][r]+s[r]-s[l-1]-a[mid],p[l][r]=mid;
			f[l][r]=res;
		}
	int ans=1e9;
	cout<<f[1][n];
	return 0;
}

后话

参考习题单
参考资料：

1. OI-WIKI
2. 决策单调性优化dp学习笔记
3. 关于决策单调性优化动态规划