斜率优化dp——玩具装箱

最新推荐文章于 2023-02-07 13:58:05 发布

Yuki_nan

最新推荐文章于 2023-02-07 13:58:05 发布

阅读量271

点赞数 1

分析：

状态转移方程：（显然）

$dp[i]=min(dp[j]+(sum[i]-sum[j]+i-j-1-L)^2)$

$s u m$ 为前缀和

然后我们令 $f [i] = s u m [i] + i, c = 1 + L$

原式可以化简为：

$dp[i]=min(dp[j]+(f[i]-f[j]-c)^2)$

注意，这里的 $f, c$ 都是可以预处理出来的

1.证明决策单调性

假设在当前由 $j$ 状态转移优于 $k$ 状态（显然 $k$ 是之前枚举的决策），即：

$dp[j]+(f[i]-f[j]-c)^2\le dp[k]+(f[i]-f[j]-c)^2$

那么对于 $i$ 后面的一个状态 $t$ ，要保证 $k$ 对其无贡献（已经被 $j$ 覆盖）

则需要证明：

$dp[j]+(f[t]-f[j]-c)^2\le dp[k]+(f[t]-f[k]-c)^2$

由于 $f [i] = s u m [i] + i$ ，所以一定为单调递增的（ $s u m$ 和 $i$ 均为单调递增）

所以令 $v = f [t] - f [i]$

原式可化为：

$dp[j]+(f[i]+v-f[j]-c)^2\le dp[k]+(f[i]+v-f[k]-c)^2$

变形↓尽量拆出已有的式子

$dp[j]+(f[i]-f[j]-c)^2+2v*(f[i]-f[j]-c)+4v^2\le dp[k]+(f[i]-f[k]-c)^2+2v*(f[i]-f[k]-c)+4v^2$

移项，消除相同项

$f[i]-f[j]-c\le f[i]-f[k]-c$

$f[j]\ge f[k]$

由单调递增性，只需要枚举状态时以 $1$ ~ $i - 1$ 的顺序即可保证 $f[j]\ge f[k]$ ，得证

2.求斜率方程

当前决策 $i$ ，若由 $j$ 状态转移优于 $k$ 状态，则有：

$dp[j]+(f[i]-f[j]-c)^2\le dp[k]+(f[i]-f[j]-c)^2$

展开，变形，得：

$dp[j]+f[i]^2-2f[i]* (f[j]+c)+(f[j]+c)^2\le dp[k]+f[i]^2-2f[i]* (f[k]+c)+(f[k]+c)^2$

移项，消除相同项，尽量将变量按 $j, k$ 凑在一起，得：

$\frac {(dp[j]+(f[j]+c)^2)-(dp[k]+(f[k]+c)^2)}{2*(f[j]-f[k])}\le f[i]$

左边部分就像斜率一样，可以看做：

$\frac {Y_j-Y_k} {X_j-X_k}$

我们以 $S l o p e (x, y)$ 来表示上面那个类似于斜率的东西（其实就是斜率好么）

若满足这个 $Slope(k,j)\le f[i]$ ，则说明 $j$ 比 $k$ 优

3.组织算法

那么对于当前较优的状态我们建立一个队列 $q$

维护这个队列我们有以下操作：

1.若 $Slope(q[l],q[l+1])\le f[i]$ ，则 $q [l]$ 没有 $q [l + 1]$ 优，则删除 $q [l]$ 2.若 $Slope(q[r-1],q[r])\ge Slope(q[r],i)$ ,则删除 $q [r]$

分析：

方程成立时是 $j$ 比 $k$ 优的充分必要条件，那么假设我们现在有一个序列，那么队头就是当前最优的，若到了某个 $i$ 值使得对于队首 $p [l]$ 和队次首 $p [l + 1]$ 来说 $Slope(q[l],q[l+1])\le f[i]$ 成立，则 $q [l + 1]$ 比 $q [l]$ 优，所以弹出队首，直到不成立为止

第一条操作是显然的，那么第二条呢？

一个状态要不要放在序列里，是由它能不能做出贡献决定的，也就是说，它能不能成为队首决定的

假设我们现在有 $Slope(q[a],q[a+1])\ge Slope(q[a+1],q[a+2])$ ，那么， $q [a + 1]$ 点想要成为队首就只能当前面的点都弹出了，并且 $Slope(q[a],q[a+1])\le f[i]$ ， $q [a + 1]$ 比 $q [a]$ 优所以也将 $q [a]$ 弹出时，才能成为队首。但是在这时，由于 $f[i]\ge Slope(q[a],q[a+1])\ge Slope(q[a+1],q[a+2])$ ，那么 $q [a + 2]$ 也应该比 $q [a + 1]$ 优，所以将 $q [a + 1]$ 弹出，意思就是，无论怎样， $q [a + 1]$ 都不可能做出贡献

类比一下，我们只操作队尾时，若其斜率 $Slope(q[r-1],q[r])\ge Slope(q[r],i)$ ，直接弹出 $q [r]$ 即可

那么，在我们的这个操作以后，能够保证斜率单调递增，也就是维护一个上凸包，这就是斜率优化啦！

这是一道经典的斜率优化入门题，就用这题来作个总结好了

前言：斜率优化的思想其实和高中数学的线性规划有相似之处，因此建议没学过的同学先了解一下线性规划

首先提一下单调队列优化：

当dp方程为 $d p [i] = a [i] + b [j]$ 时，这个方程是 $O(n^2)$ 的

这时用单调队列可以将其优化为 $O (n)$ ，具体方法这里不再赘述

而dp方程为 $\cdot b[j]+c[i]+d[j]$ 时，由于存在 $\cdot b[j]$ 这个既有 $i$ 又有 $j$ 的项，以上方法就不适用了，这时就需要使用斜率优化

回到本题，设前缀和为 $s u m [i]$ ，由题意易得dp方程：

$dp[i]=min(dp[j]+(sum[i]+i-sum[j]-j-L-1)^2) (j<i)$

但这个方程是 $O(n^2)$ 的，显然不满足要求，因此需要进行优化

（以下称两点斜率为 $s l o p e (A, B)$ ）

令 $a [i] = s u m [i] + i$ ， $b [i] = s u m [i] + i + L + 1$ （这一步是为了简化计算）

则 $dp[i]=dp[j]+(a[i]-b[j])^2$

展开得

$dp[i]=dp[j]+a[i]^2-2 \cdot a[i] \cdot b[j]+b[j]^2$

移项得

$\cdot a[i] \cdot b[j]+dp[i]-a[i]^2=dp[j]+b[j]^2$

将 $b [j]$ 看作 $x$ ， $dp[j]+b[j]^2$ 看作 $y$ ，这个式子就可以看作一条斜率为 $\cdot a[i]$ 的直线

而对于每个 $i$ 来说， $a [i]$ 都是确定的

接下来的步骤和线性规划很相似

$d p [i]$ 的含义转化为：当上述直线过点 $P(b[j],dp[j]+b[j]^2)$ 时，直线在 $y$ 轴的截距加上 $a[i]^2$ （一个定值）

而题目即为找这个截距的最小值

因此，类似线性规划，我们将这条直线从下往上平移，直到过一个符合要求的点时停下，此时截距即为最小

画出图像如下（红色为目标直线）

结合图像分析可知，本题中可能为最优的 $P$ 点（图中用直线连接）组成了一个下凸包（其他题目可能不同，结合图像具体分析）

显然，凸包中相邻两点斜率是单调递增的

而目标直线的斜率 $\cdot a[i]$ 也是单调递增的

由图像又易知，满足条件的最优 $P_j$ 为第一个 $slope(P_j,P_{j+1}) > 2 \cdot a[i]$ 的点

因此，我们用单调队列维护这个凸包：

设队首为 $h e a d$ ，队尾为 $t a i l$

对队首：
$while(slope(P_{head},P_{head+1})<2 \cdot a[i])\quad head++$
此时队首的点即为最优，根据它计算出 $d p [i]$
对队尾：
$while(slope(P_{tail-1},P_{tail})>slope(P_{tail-1},P_i)\quad tail--$
在队尾插入 $P_i$

解释：

若 $slope(P_j,P_{j+1})<2 \cdot a[i]$ ，显然 $P_j$ 不是最优通过步骤1删去

因为目标直线斜率单调递增，所以当前删去的 $P_j$ 一定对之后的 $d p [i]$ 也不是最优，不会造成影响

而操作3的理由如下：

图中红色的点为 $P_i$

显然，满足操作3的要求时， $P_{tail}$ 在凸包内部，一定不是最优，因此可以删去

以上即为本题算法

要注意，初始化时要加入单调队列的点为 $P_0$ 而不是 $P_1$ （否则就变成了第一个物品必须单独装）

Yuki_nan

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
斜率优化dp——玩具装箱

分析：状态转移方程：（显然）dp[i]=min(dp[j]+(sum[i]-sum[j]+i-j-1-L)^2)dp[i]=min(dp[j]+(sum[i]−sum[j]+i−j−1−L)2)sumsum 为前缀和然后我们令 f[i]=sum[i]+i,c=1+Lf[i]=sum[i]+i,c=1+L原式可以化简为：dp[i]=min(dp[j]+(f[i]-f[j]-c)^2)dp[i]=mi...
复制链接

扫一扫