以前写单调DP都是浑浑噩噩的,最近又重新回去看ZZX去年写的东西,还有汤泽,杨哲的论文
总算把斜率优化弄懂了……
对于这样的一类DP方程
f[i]=min{a[i]*x[j]+b[j]}
a[i]是和i有关的函数,x[j],b[j]是和j有关的函数或常数
求解这个问题朴素是O(n^2)的,我们可以将它优化到O(n)或O(nlogn)
我们可以把它改写成这个样子
-a[i]*x[j]+f[i]=b[j]
把-a[i]看做斜率,f[i]看做截距,每一个决策相当于平面上一个点
最优决策显然在平面点集的凸包上
要求f[i]的最小值,就相当于将一条斜率为-a[i]的直线不断向上平移,碰到的第一个点就是截距最小的点
也就是f[i]的最优决策
如果横坐标和斜率均单调,我们就可以维护一个单调队列(斜率是单调的,即最优解也是单调的(类似于决策单调)),队首指针不断往后走,每个点只会访问一次,复杂度为O(n)
如果均不单调,有时我们可以排序使得其中一个单调,否则无法用斜率优化的DP做
横坐标单调:
二分凸包上的点,找到这样一个点x,使得
x和x左边的点的所在的直线斜率小于当前直线斜率
x和x左边的点的所在的直线斜率大于当前直线斜率
将直线插入,维护凸壳
斜率单调:
关于横坐标建立一棵Splay
然后在Splay中维护凸壳
以上说的是取min,那么维护的是下凸壳
取max的话是维护上凸壳
如果方程是
f[i]=min{a[i]*x[j]+b[i]*y[j]}
的话,可以将其变为
f[i]=min(a[i]/b[i]*x[j]+y[j])*b[i]