下标序列与斜率优化

下标序列是我定义的一个东西。对于dp方程$$f[i]=\min (f[j]+cost(i,j)),l[i]\le j\le r[i]$$ 我们维护一个序列保存所有可以从那里转移来的位置。比如枚举到$i$时，序列里存的就是$l[i]$到$r[i]$的所有数。那么我们最终的决策点$k$一定是从这个序列里面选的。这个就叫下标序列。
因为要枚举$n$次，每次下标序列中有$n$个元素，所以复杂度是$O(n^2)$。
但是我们发现，对于相邻的$i$，下标序列可能相差不大。于是我们考虑从这里优化。
考虑对全局维护一个下标序列F，每次枚举$i$时在这个序列上面作修改，使得它成为每个i自己的下标序列。
如果每次我们可以快速地从当前下标序列中找到决策点，就可以大大提高效率。事实上，斜率优化就做了这件事情。斜率优化支持用$O(1)或O(\log n)$的时间找到决策点和维护下标序列。具体地说，找决策点可以直接取队首元素或二分查找，维护序列可以用数组或平衡树。

接下来就比较跳跃地介绍斜率优化方法。考虑把下标序列中的每一个元素当做一个平面上的点，它的横纵坐标都可以由这个元素的值（就是这个下标）计算得到。我们用一个折线把这些点从左到右连起来。
然后对于每次询问，假设这个询问给了一个可以随意平移的直线，也就是给定一个斜率。我们要找的决策点，就是这个直线与折线在最下面的切点。
如果这个折线是一个向下凸的“弧”，那就可以二分答案，看斜率在哪里刚好比答案大，那就是答案。【1】
这个就很好啊，那怎么把它和dp方程联系起来呢？
刚才我们说了维护的是下标序列，并且有决策单调性。那么我们只要发现一个点以后不再可能是答案，那就可以把它踢出下标序列。刚才我们已经发现了！如果折线是向下凸的弧，那答案一定在这个弧上。如果折线不是向下凸的，那我们就找到向下凸的弧，然后不是弧上的就都踢掉就行了。
事实上，我们不是每次找一个弧然后删除一些点，而是维护这个弧，并且每次加入一个新点时，把它加入弧，然后把弧以上的点都删掉。其实这就是$O(1)$维护凸包。如果新点总是在最右边加入，就用一个数组（栈）维护，每次先把后面的弹了再加入；否则就用平衡树$O(\log n)$维护。
回到刚才【1】的地方，我们知道二分答案比较慢，于是也可以用踢掉不需要的东西的办法。如果询问给的直线每次的斜率都比上一次大，那么所有斜率比它小的点就可以直接删除。这其实是一个单调队列，复杂度降为$O(1)$。

最后两个问题：怎么用下标序列计算点的坐标？每次询问给的直线是哪里来的？这个其实都是用dp方程变形得到的。我们把dp方程化成这样的方程$$f[i]=g(i)h(j)+q(i)+s(j)$$
变成$$s(j)=-g(i)h(j)-q(i)+f[i]$$
我们看到与$j$有关的项，把$h(j)$的看成横坐标，$s(j)$看成纵坐标，那么：$$y_j=-g(i)x_j-q(i)+f[i]$$
看，$(x_j,y_j)$就是下标序列每个对应的点，把它代入直线$y=-g(i)x-q(i)+f[i]$，其中i是枚举的可以当成常数，要求的是$f[i]$，使它最小。
懂了没？询问的斜率就是$-g(i)$，每个点就是$(h(j),s(j))$。为什么要找切点？这样纵截距$f[i]$就最小啊！