一类1D/1D动态规划方程的三种优化情况单调队列优化斜率优化决策单调性优化

最新推荐文章于 2022-09-23 08:52:31 发布

myjs999

最新推荐文章于 2022-09-23 08:52:31 发布

阅读量608

点赞数

本文链接：https://blog.csdn.net/myjs999/article/details/83478233

版权

众所周知，DP优化有单调队列优化、数据结构优化、矩阵快速幂优化、斜率优化、四边形不等式优化、决策单调性优化、凸优化等。本文讲解关于一类DP方程的三种优化情况。

$f[i]=\min\{f[j]+w(i,j)\}$

其中 $j\in [l[i],r[i]]$ 且 $l [i]$ 、 $r [i]$ 单调不减。 $\min$ 可换为 $\max$ ，方法相同。

$w (i, j)$ 与 $j$ 无关

对于 $j,k\in [[l[i],r[i]](j<k)$ ，若 $f [k]$ 不比 $f [j]$ 更劣（更大），则 $j$ 在 $k$ 以后的更新都不会有任何贡献，因为有 $j$ 的地方就有 $k$ ，且完全可以选 $k$ 而不选 $j$ 。因此用一个单调队列维护当前有用的转移下标即可。

时间复杂度 $O (n)$ 。

$w (i, j)$ 只含 $i$ 的多项式、 $j$ 项和 $i j$ 项

见

时间复杂度为 $O (n)$ 或 $O(n\log n)$ 。

$w (i, j)$ 满足四边形不等式

四边形不等式 $w(i+1,j)-w(i,j)\ge w(i+1,j+1)-w(i,j+1)$
这个性质说明，对于更大的 $j$ ， $w ()$ 随着 $i$ 增长的速度越慢。因此对于 $k > j$ ，如果从 $k$ 转移不劣于从 $j$ 转移，那么 $j$ 在 $k$ 转移以后就没用了，因为随着 $i$ 的增加 $w (i, j)$ 只会比 $w (i, k)$ 越来越差。即 $f [i]$ 的决策点是单调右移的，即决策单调性。

一般有两种方法来实现：

栈+二分

考虑每个决策点能更新哪些状态。我们枚举 $1$ 到 $n$ 的决策点来更新后面的状态。由于决策单调性，每次更新后，决策点数列是单调不减的。因此每次更新的位置是一个区间 $k_i,n]$ 。于是我们用一个栈维护从左到右的连续相同的决策点块，每次更新时从栈顶开始检查，如果新决策比原决策块完全更优就把原决策块弹掉，否则二分原决策块区间找到从哪个点开始新决策更优。最后将新决策块入栈。

每个决策最多入栈、出栈一次，因为用了二分，时间复杂度为 $O(n\log n)$ 。

struct decis {
	int a, l, r; // 决策点位置，决策块管辖区间
}S[maxn];
int top;

//...
{
	top = 0;
	S[top++] = (decis){0, 0, n-1}; // 第一个决策块
	for(int i = 1; i < n; i++) {
		while(top) {
			decis ctop = S[top-1];
			int ftop = f[ctop.a] + calc(), fnew = f[i] + calc(); //calc()为分别用ctop.a和i更新ctop.l的代价
			if(ftop > fnew) top--; else break;
		}
		if(top) {
			int l = S[top-1].l, r = S[top-1].r+1;
			while(l < r) {
				int mid = l + r >> 1;
				int ftop = f[S[top-1].a] + calc(), fnew = f[i] + calc();  //calc()为分别用S[top-1].a和i更新mid的代价
				if(ftop > fnew) r = mid; else l = mid+1;
			}
			// 此时l的值是第一个新块较优的位置
			if(l <= S[top-1].r) {
				decis o = S[top-1]; top--;
				S[top++] = (decis){o.a, o.l, l-1};
			}
			if(l <= n-1) S[top++] = (decis){i, l, n-1};
		}else S[top++] = (decis){i, k-1, n-1};
	}
	for(int i = 0; i < top; i++) for(int j = S[i].l; j <= S[i].r; j++) f[j] = f[S[i].a] + calc();
}

分治

考虑分治处理每个点的决策点。设当前在处理 $[l, r]$ 的决策点，并已知可能的决策点区间为 $[L, R]$ 。设 $mid=\frac{l+r}{2}$ ，则先暴力求出 $m i d$ 的决策点 $p$ （范围肯定是 $[L, m i d]$ ），然后分治处理两边，显然 $[l, m i d]$ 的决策点在 $[L, p]$ ，而 $[m i d + 1, r]$ 的决策点在 $[p, R]$ 。复杂度为 $\log n)$ 。