斜率优化DP入门（BZOJ1010 玩具装箱题解）

一.斜率优化的 作用.

斜率优化主要针对这样一类方程进行优化：
f [ i ] = a i + min ⁡ j = 0 i − 1 { f [ j ] + b j + c i ∗ d j } f[i]=a_i+\min_{j=0}^{i-1}\{ f[j]+b_j+c_i*d_j \} f[i]=ai​+j=0mini−1​{f[j]+bj​+ci​∗dj​}

其中$\min$也可以换成$\max$，$a_i,b_i,c_i,d_i$均表示一个可以通过$i$直接得到的项（包括已求出的$f[i]$）.

当然这个方程还不是最通用的，有时候还会有更加毒瘤复杂的限制…


二.斜率优化的通用优化方式.

以上述方程为模板，我们可以假设$e_i=f[i]+b_i$，方程变为：
f [ i ] = a i + min ⁡ j = 0 i − 1 { e j + c i ∗ d j } f[i]=a_i+\min_{j=0}^{i-1}\{ e_j+c_i*d_j \} f[i]=ai​+j=0mini−1​{ej​+ci​∗dj​}

然后我们求一下从$k$转移到$i$比从$j$转移到$i$更优要满足什么条件：
$$\begin{gathered} d_j\le d_k \\ {e}_j+c_i\ast d_j\ge e_k+c_i\ast d_k \\ {e}_j-e_k\ge c_i(d_k-d_j) \\ \frac{e_k-e_j}{d_k-d_j}\le -c_i \end{gathered}$$

也就是说若$d_j\le d_k$，则$k$比$j$优必然要满足$\frac{e_k-e_j}{d_k-d_j}\le -c_i$.

这有什么用呢？考虑这个式子的几何意义，把$(d_i,e_i)$放到直角坐标系上，那么这个式子的意思就是说，$j$比$k$优的条件是经过$(d_j,e_j)$与$(d_k,e_k)$的直线斜率小于等于$-c_i$.

到这一步之后，我们考虑若有这样子三个点：

考虑出现了上凸的情况，直线$AB$的斜率大于直线$AC,BC$，这说明在点$B$优于点$A$之前点$C$就已经优于点$A$，并且此时点$C$一定优于点$B$，也就是说点$B$完全没用了.

那么这个时候候选最优点会呈现怎么样一个形状呢？显然是斜率递增，也就是一个下凸壳.

那么对于一个确定的$c_i$，我们应该怎么在候选点中找到最优点进行转移呢？显然是找到第一条斜率大于$-c_i$的线段，选择这条线段更靠左的端点即可.

那么我们用各种方式维护这个下凸壳即可，具体维护因题目而异，但只要理解其本质，那么不管用单调队列、二分、cdq分治、set还是平衡树都是一样的.


三.例题与代码.

题目：BZOJ1010.
题目大意：给定一个长度为$n$的序列$a_i$，现在要求划分为若干段，每段$l_i,r_i$贡献为$(r_i-l_i-L+{\sum }_{j=l_i}^{r_i}{a}_j{)}^2$，其中$L$是一个常数，求最小贡献和.
$1\le n\le 5\ast 10^4$.

设$f[i]$表示前$i$个数划分成若干段的最小贡献和，$s_i$为$a_i$的前缀和，可以列出DP方程：
f [ i ] = min ⁡ j = 0 i − 1 { f [ j ] + ( s i − s j + i − j − 1 − L ) 2 } f[i]=\min_{j=0}^{i-1} \{ f[j]+(s_i-s_j+i-j-1-L)^2 \}\\ f[i]=j=0mini−1​{f[j]+(si​−sj​+i−j−1−L)2}

设$b_i=s_i+i-1-L,c_i=s_i+i$，方程变为：
f [ i ] = min ⁡ j = 0 i − 1 { f [ j ] + ( b i − c j ) 2 } f [ i ] = min ⁡ j = 0 i − 1 { f [ j ] + b i 2 − 2 b i c j + c j 2 } f [ i ] = b i 2 + min ⁡ j = 0 i − 1 { f [ j ] − 2 b i c j + c j 2 } f[i]=\min_{j=0}^{i-1} \{ f[j]+(b_i-c_j)^2 \}\\ f[i]=\min_{j=0}^{i-1} \{ f[j]+b_i^2-2b_ic_j+c_j^2 \}\\ f[i]=b_i^2+\min_{j=0}^{i-1} \{ f[j]-2b_ic_j+c_j^2 \} f[i]=j=0mini−1​{f[j]+(bi​−cj​)2}f[i]=j=0mini−1​{f[j]+bi2​−2bi​cj​+cj2​}f[i]=bi2​+j=0mini−1​{f[j]−2bi​cj​+cj2​}

设$d_i=f_i+c_i^2$，方程变为：
f [ i ] = b i 2 + min ⁡ j = 0 i − 1 { d j − 2 b i c j } f[i]=b_i^2+\min_{j=0}^{i-1} \{ d_j-2b_ic_j \} f[i]=bi2​+j=0mini−1​{dj​−2bi​cj​}

现在就是一个标准的斜率优化形式了，推一下：
$$\begin{gathered} j<k\iff c_j<c_k \\ {d}_j-2b_i{c}_j\ge d_k-2b_i{c}_k \\ {d}_j-d_k\ge -2b_i(c_k-c_j) \\ \frac{d_k-d_j}{c_k-c_j}\le 2b_i \end{gathered}$$

发现这个式子是要维护一个下凸壳也就是斜率递增，直接用一些数据结构大力维护即可.

不过容易发现的是，$b_i$和$c_i$都是单调递增的，所以我们可以直接用单调队列来维护.

时间复杂度$O(n)$.

代码如下：

#include<bits/stdc++.h>
using namespace std;

#define Abigail inline void
typedef long long LL;

const int N=50000;

int n,m;
LL a[N+9],b[N+9],c[N+9];
LL dp[N+9],d[N+9];
int q[N+9],hd,tl;

double Query_slope(int p0,int p1){return 1.0*(d[p1]-d[p0])/(c[p1]-c[p0]);}

Abigail into(){
  scanf("%d%d",&n,&m); 
  for (int i=1;i<=n;++i){
  	scanf("%lld",&a[i]);
  	a[i]+=a[i-1];
  	b[i]=(c[i]=a[i]+i)-m-1;
  }
}

Abigail work(){
  q[hd=tl=1]=0;
  for (int i=1;i<=n;++i){
  	for (;hd<tl&&Query_slope(q[hd],q[hd+1])<=2.0*b[i];++hd);
  	d[i]=(dp[i]=b[i]*b[i]+d[q[hd]]-2*b[i]*c[q[hd]])+c[i]*c[i];
  	for (;hd<tl&&Query_slope(q[tl-1],q[tl])>=Query_slope(q[tl],i);--tl);
  	q[++tl]=i;
  }
}

Abigail outo(){
  printf("%lld\n",dp[n]);
}

int main(){
  into();
  work();
  outo();
  return 0;
}