273. 分级(线性dp，结论)

两个条件

1.b数组内部非严格上升或非严格递减

2.要求所有b[i]-a[i] 的绝对值之和

性质：

我们可以得出一个

性质：对于最优解s而言，一定存在一种构造方案，使得b数组都是由A中元素构成的

证明:

1.证明b[i]只能在[A'[1],A'[i]]区间上取

根据绝对值不等式(货仓选址)，要使得绝对值最小，最好的方法就是取在区间中间，而由于A‘数组是A数组升序后的数组，B要在满足上升的同时，使得b[i]-A[i]最小，所以应在A'[1]~A'[i]区间上取

2.证明b[i]只能取A'[1]~A'[i]上的某一点

值得注意的是，Bi不一定在[A’i ~A‘i+1]中，可能在任意框中，我们并不清楚

我们在所有[A'[i],A'[i+1]]区间任取一段作为紫色框，假设存在若干个bj在紫色框中，如图所示

• x为紫色框中bj对应的Aj<A'i的数量之和
• y为紫色框中bj对应的Aj>A'i+1的数量之和      

对于紫色框里的b2，b3，要使得此时的s最小，一共有三种情况

• x<y        此时对于整体最优解，应该把框上移到最上面的点碰到A'i+1为止
• x>y        此时对于整体最优解，应该把框下移到最下面的点碰到A‘i为止
• x==y      此时怎么移动都可以得到最优解，所以上移下移都可以

所以对于每个[A‘i~A’i+1]对应的框，都可以这么移动到b中每个点都是A中对应的点为止。如果某点已经移动到了A’i上，那么任意一个方案，都可以调整到b中每个元素都是A中元素 

证毕，  对于最优解s而言，一定存在一种构造方案，使得b数组都是由A中元素构成的

dp思路：

我们还不知道每一个b[i]他是选用了哪一个A‘[i]，所以需要枚举所有可能的情况

同时，存在bi是不严格递增的，说明bi+1>=bi    (最长上升子序列模型)

状态划分图：

 最小值dp，记得初值要设为正无穷

数组定义：所有b[1~i-1]分配好了值，而b[i]选择了A‘[j]的花费s的集合

属性：min

划分依据：倒数第二次bi选择了什么

边界：dp[0][...]=0;

初值：dp[i][j]=0x3f3f3f

总结

动态规划其实是基于枚举和贪心的一种算法

贪心是片面的做出选择，保留当前局部最优解

枚举是每种方案都试一遍，选出其中满足最优解的方案

动态规划：每种方案分为n个子步骤，枚举每个步骤做出的选择，只保存最优解，然后用这个最优解再去枚举所有可能的方案

例如枚举字典序最大，枚举第一位可能的所有数字，只保留首位为9的数字往后递推

#include <iostream>
#include <algorithm>
#include <cstring>
#include <cmath>

using namespace std;
const int N=2005;
int n;
typedef long long ll;
int a[N];
int b[N];   //b表示A’数组
ll dp[N][N];
ll work()
{
    //清空dp数组
    memset(dp,0,sizeof dp);
    ll res=1e18;   //最小s
    for(int i=1;i<=n;i++)
        b[i]=a[i];      
    sort(b+1,b+1+n);
    for(int i=1;i<=n;i++)
    {
        ll minv=1e18;   //运用lcis的思想，前缀最值优化
        for(int j=1;j<=n;j++)
        {
            //维护minv
            minv=min(minv,dp[i-1][j]);
            //更新dp数组
            dp[i][j]=minv;
            dp[i][j]+=fabs(a[i]-b[j]);
        }
    }
    for(int i=1;i<=n;i++)
        res=min(res,dp[n][i]);
    return res;
}
int main()
{
    cin>>n;
    for(int i=1;i<=n;i++)
        cin>>a[i];
    ll res=work();
    reverse(a+1,a+n+1);
    res=min(res,work());
    cout<<res;
}