本文总结了决策单调性在动态规划中的应用，包括斜率优化和四边形不等式优化。斜率优化利用上/下凸壳概念简化1D1D动态规划问题，尤其在x和f单调时，可以通过单调队列或二分处理。四边形不等式决策单调性用于判断dp矩阵的性质，当w[i,j]满足特定条件时，dp[i,j]的最优解K[i,j]只与相邻的K值有关。文章列举了多个实际问题如玩具装箱、货币兑换等，展示这些优化技术的应用。"
110937391,10294191,SQL数据库随机抽取50条数据详解,"['SQL', '数据抽样', '数据库管理']
1D1D动态规划
指状态数为 O ( n ) O(n) O(n)，每个状态的决策数为 O ( n ) O(n) O(n)，直接求解的复杂度为 O ( n 2 ) O(n^2) O(n2)的动态规划方程 d p [ i ] = m i n / m a x { d p [ j ] + S [ i , j ] } dp[i] = min/max \{dp[j] + S[i, j]\} dp[i]=min/max{
dp[j]+S[i,j]}。
斜率优化
斜率优化是1D1D的一种常见优化方式，一般的套路是先写出 d p dp dp方程，然后对于考虑 i i i之前的某个决策 j j j和 k k k,假设 k k k决策优于 j j j决策时，能对应得到一个不等式，满足这个不等式就表示 k k k决策是优于 j j j决策的，并且此时惊奇的发现可以把决策看做平面上的点，不等式也就转化成了斜率的比较。
此时 i i i之前的最优决策点一定是在上/下凸壳上。
具体实例
对于斜率式，设 k > j k > j k>j且 k k k和 j j j都是i的前置状态， 满足 y k − y j x k −
最低0.47元/天 解锁文章
240
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
