题解 斜率优化经典题 任务安排*6

任务安排

部分表述来源于《算法竞赛进阶指南》。

题面

题目描述

$n$ 个任务排成一个序列在一台机器上等待完成（顺序不得改变），这 $n$ 个任务被分成若干批，每批包含相邻的若干任务。

从零时刻开始，这些任务被分批加工，第 $i$ 个任务单独完成所需的时间为 $t_i$ 。在每批任务开始前，机器需要启动时间 $s$，而完成这批任务所需的时间是各个任务需要时间的总和（同一批任务将在同一时刻完成）。

每个任务的费用是它的完成时刻乘以一个费用系数 $c_i$。请确定一个分组方案，使得总费用最小。

输入格式

第一行一个正整数 $n$。
第二行是一个整数 $s$。

下面 $n$ 行每行有一对数，分别为 $t_i$ 和 $c_i$，表示第 $i$ 个任务单独完成所需的时间是 $t_i$ 及其费用系数 $f_i$。

输出格式

一个数，最小的总费用。

输入输出样例

输入 #1

5
1
1 3
3 2
4 3
2 3
1 4

输出 #1

153

样例解释

如果分组方案是 { 1 , 2 } , { 3 } , { 4 , 5 } \{1,2\},\{3\},\{4,5\} {1,2},{3},{4,5}，则完成时间分别为 { 5 , 5 , 10 , 14 , 14 } \{5,5,10,14,14\} {5,5,10,14,14}，费用 $C=15+10+30+42+56$，总费用就是 $153$。

任务安排 1（$O(n^3)$）

数据范围：$1\le n\le 100,1\le s\le 50,1\le t_i,c_i\le 100$。

求出 $t,c$ 的前缀和 $sumt,sumc$，设 $f_{i,j}$ 表示把前 $i$ 个任务分成 $j$ 批的最小费用，则第 $j$ 批任务完成的时间为 $j\ast s+sum{t}_i$，状态转移方程：
f i , j = min ⁡ 0 ≤ k < i { f k , j − 1 + ( j ∗ s + s u m t i ) ( s u m c i − s u m c k ) } f_{i,j}=\min_{0\leq k < i}\{f_{k,j-1}+(j*s+sumt_i)(sumc_i-sumc_k)\} fi,j​=0≤k<imin​{fk,j−1​+(j∗s+sumti​)(sumci​−sumck​)}

任务安排 2（$O(n^2)$）

数据范围：$1\le n\le 5000,1\le s\le 50,1\le t_i,c_i\le 100$。
评测地址：luogu acwing。

发现 1 中之所以需要 $j$，是因为我们需要知道机器启动了多少次，从而计算出时间。这里可以利用费用提前计算的 trick，即每次转移都加上此次转移会对之后的所有费用的影响，具体可以参考转移方程：
f i = min ⁡ 0 ≤ j < i { f j + s u m t i ( s u m c i − s u m c j ) + s ( s u m c n − s u m c j ) } f_{i}=\min_{0\leq j < i}\{f_{j}+sumt_i(sumc_i-sumc_j)+s(sumc_n-sumc_j)\} fi​=0≤j<imin​{fj​+sumti​(sumci​−sumcj​)+s(sumcn​−sumcj​)}

const int N = 5010;
int n, s;
ll f[N], sumt[N], sumc[N];

void solve(){
	n = rdi;
	s = rdi;
	for(int i = 1; i <= n; ++ i){
		sumt[i] = sumt[i-1] + rdi;
		sumc[i] = sumc[i-1] + rdi;
	}
	memset(f, 0x3f, sizeof(f));
	f[0] = 0;
	for(int i = 1; i <= n; ++ i){
		for(int j = 0; j < i; ++ j){
			f[i] = min(f[i], f[j] + sumt[i] * (sumc[i] - sumc[j])
			                      + s * (sumc[n] - sumc[j]));
		}
	}
	writen(f[n]);
}

任务安排 3（IOI2002，$O(n)$）

数据范围：$1\le n\le 3\ast 10^5,1\le s,t_i,c_i<512$。
评测地址：acwing。

对于解法 2 中的转移方程进行变形得：
f i = min ⁡ 0 ≤ j < i { f j − ( s + s u m t i ) ∗ s u m c j } + s u m t i ∗ s u m c i + s ∗ s u m c n f_{i}=\min_{0\leq j < i}\{f_{j}-(s+sumt_i)*sumc_j\}+sumt_i*sumc_i+s*sumc_n fi​=0≤j<imin​{fj​−(s+sumti​)∗sumcj​}+sumti​∗sumci​+s∗sumcn​
发现 $\min$ 里有 $ij$ 的乘积项，考虑斜率优化。
把 $\min$ 去掉，把 $f_j$ 和 $sum{c}_j$ 看做变量，其他看做常量，得：
$$f_j=(s+sum{t}_i)\ast sum{c}_j+f_i-sum{t}_i\ast sum{c}_i-s\ast sum{c}_n$$
在 $sum{c}_j$ 为横坐标，$f_j$ 为纵坐标的一个平面直角坐标系中，这是一条以 $s+sum{t}_i$ 为斜率，$f_i-sum{t}_i\ast sum{c}_i-s\ast sum{c}_n$ 为截距的直线。决策候选集合是一个点集，每个决策 $j$ 对应着一个点 $(sum{c}_j,f_j)$，每个带求解的状态 $f_i$ 表示一条直线的截距，直线的斜率是 $s+sum{t}_i$，截距未知。当截距最小化时，$f_i$ 取到最小值。
令直线过每个决策点 $(sum{c}_j,f_j)$ 都可求出一个截距，使截距最小的那个就是最优决策。体现在坐标系中，就是用一条斜率固定的直线自下而上平移，第一次接触到某个决策点时就得到最小截距。
对于任意三个决策点 $(sum{c}_{j1},f_{j1}),(sum{c}_{j2},f_{j2}),(sum{c}_{j3},f_{j3})(j1<j2<j3)$，因为 $t,c$ 都为正整数，所以有 $sum{c}_{j1}<sum{c}_{j2}<sum{c}_{j3}$。考虑 $j2$ 什么时候有可能成为最优决策：
如图，在左图中，无论直线斜率是多少，$j2$ 都不可能为最优决策；而右图中 $j2$ 可能为最优决策。所以如果 $j2$ 为最优决策，当且仅当：
$$\frac{f_{j2}-f_{j1}}{sum{c}_{j2}-sum{c}_{j1}}<\frac{f_{j3}-f_{j2}}{sum{c}_{j3}-sum{c}_{j2}}$$,
实际上就是直线 $j1,j2$ 的斜率要小于直线 $j2,j3$ 的斜率。于是我们可以用单调队列来维护这个“连接相邻两点的线段斜率”单调递增的“下凸壳”。但是此时的队头所对应的截距并非最小。
在本题中，因为 $sumt$ 单调递增，所以每次求解最小截距的直线的斜率也单调递增，因此我们可以将所有斜率 $\le s+sum{t}_i$ 的部分弹出队列，这样每次的最优决策必然在队头。

算法步骤，对于每个状态变量 $i$：

1. 检查队头两个决策变量 $q_l,q_{l+1}$，如果 $\frac{f_{q_{l+1}}-f_{q_l}}{sum{c}_{q_{l+1}}-sum{c}_{q_l}}\le s+sum{t}_i$，则弹出队头，继续检查新的队头。
2. 取 $j=q_l$，利用状态转移方程转移。
3. 检查 $q_{r-1},q_r,i$ 是否为下凸，如果否则弹出队尾，继续检查新的队尾。
4. 加入 $i$。

const int N = 3e5 + 10;
int n, s;
ll f[N], sumt[N], sumc[N], q[N];

void solve(){
	n = rdi;
	s = rdi;
	for(int i = 1; i <= n; ++ i){
		sumt[i] = sumt[i-1] + rdi;
		sumc[i] = sumc[i-1] + rdi;
	}
	memset(f, 0x3f, sizeof(f));
	f[0] = 0;
	int l = 1, r = 1;
	q[1] = 0;
	for(int i = 1; i <= n; ++ i){
		while(l < r && (f[q[l+1]] - f[q[l]]) <= (s + sumt[i]) * (sumc[q[l+1]] - sumc[q[l]])){
			++ l;
		}
		f[i] = f[q[l]] - (s + sumt[i]) * sumc[q[l]] + sumt[i] * sumc[i] + s * sumc[n];
		while(l < r && (f[q[r]] - f[q[r-1]]) * (sumc[i] - sumc[q[r]]) >=
		               (f[i] - f[q[r]]) * (sumc[q[r]] - sumc[q[r-1]])){
		    -- r;
		}
		q[++r] = i;
	}
	writen(f[n]);
}

任务安排 4（SDOI2012，$O(n\log n)$，$t_i$ 可能为负）

数据范围：$1\le n\le 3\ast 10^5,1\le s,|t_i|,c_i<512$。
评测地址：luogu acwing。

此时的 $sum{t}_i$ 不再单调，所以不能从单调队列的队头来取最优决策，必须要维护整个下凸壳。
所以我们可以在单调队列中二分查找，求出一个位置 $p$，$p$ 左侧线段的斜率 $<s+sum{t}_i$，右侧 $>s+sum{t}_i$，此时的 $p$ 即为最优决策。

const int N = 3e5 + 10;
int n, s, l, r;
ll f[N], sumt[N], sumc[N], q[N];

int binary_search(ll k){
	int L = l, R = r;
	while(L < R){
		int mid = L + R >> 1;
		if(f[q[mid+1]] - f[q[mid]] <= k * (sumc[q[mid+1]] - sumc[q[mid]])){
			L = mid + 1;
		} else {
			R = mid;
		}
	}
	return q[L];
}

void solve(){
	n = rdi;
	s = rdi;
	for(int i = 1; i <= n; ++ i){
		sumt[i] = sumt[i-1] + rdi;
		sumc[i] = sumc[i-1] + rdi;
	}
	memset(f, 0x3f, sizeof(f));
	f[0] = 0;
	l = 1, r = 1;
	q[1] = 0;
	for(int i = 1; i <= n; ++ i){
		int p = binary_search(s + sumt[i]);
		f[i] = f[p] - (s + sumt[i]) * sumc[p] + sumt[i] * sumc[i] + s * sumc[n];
		while(l < r && (f[q[r]] - f[q[r-1]]) * (sumc[i] - sumc[q[r]]) >=
		               (f[i] - f[q[r]]) * (sumc[q[r]] - sumc[q[r-1]])){
		    -- r;
		}
		q[++r] = i;
	}
	writen(f[n]);
}

任务安排 ex1（$c_i$ 可能为负）

可以倒序 dp，设计一个状态转移方程，让 $sumt$ 为横坐标，$sumc$ 为斜率中一项，使用 4 的方法求解。

任务安排 ex2（$c_i,t_i$ 都可能为负）

用平衡树维护凸壳。