第五章 动态规划 (10)：斜率优化DP

1、任务安排 I

ACwing 300

由于每次的启动消耗的时间会对后面的所有任务都产生影响，所以在进行当前组任务时先将启动产生的影响累加到当前组别中，方便于计算后面的状态。

集合
$f[i]$：表示将前 $i$ 个任务分批执行的最小费用

集合划分
以 $i$ 结尾的该批次任务的开头进行划分。上面一个批次结尾为 $j\in [0,i-1]$，从 $j+1i$ 是最后一批次，那么从 $j+1$ 到 $i$ 这一批次的消耗 = 到 $i$ 的总时间 x 从 $j$ 到 $i$ 的 费用之和 + 最后一批任务启动时间对当前任务及后续任务整体的影响。即$$Sumt[i]\times (Sumc[i]-Sumc[j])+S\ast (Sumc[n]-Sumc[j])$$最终的状态转移方程为：$$f(i)=min(f(i),f(j)+Sumt[i]\times (Sumc[i]-Sumc[j])+S\ast (Sumc[n]-Sumc[j]))$$

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

using namespace std;

typedef long long LL;

const int N = 5010;

int n, s;
int sc[N], st[N];
LL f[N];

int main() {
   
    scanf("%d%d", &n, &s);
    for (int i = 1; i <= n; i++) {
   
        scanf("%d%d", &st[i], &sc[i]);
        st[i] += st[i - 1];
        sc[i] += sc[i - 1];
    }

    memset(f, 0x3f, sizeof f);
    f[0] = 0; // 处理前0个任务的花费 = 0

    for (int i = 1; i <= n; i++)
        for (int j = 0; j < i; j++)
            f[i] = min(f[i], f[j] + (sc[i] - sc[j]) * (LL) st[i] + (LL) s * (sc[n] - sc[j]));

    printf("%lld\n", f[n]);

    return 0;
}

2、任务安排 II（凸包优化）

ACwing 301

由上一题的公式可得如下推导（这里暂时不考虑 $min$）：
$$\begin{array}{rl}f(i)& =f(j)+Sumt[i]\times (Sumc[i]-Sumc[j])+S\times (Sumc[n]-Sumc[j])\\ & =f(j)-(S+Sumt[i])\times Sumc[j]+Sumt[i]\times Sumc[i]+S\times Sumc[n]\end{array}$$经过进一步变形有
$$f(j)=(Sumt[i]+S)\times Sumc[j]+f(i)-Sumt[i]\times Sumc[i]-S\times Sumc[n]$$这里我们令
$$\begin{array}{rl}y& =f(j)\\ k& =Sumt[i]+S\\ x& =Sumc[j]\\ b& =f(i)-Sumt[i]\times Sumc[i]-S\times Sumc[n]\end{array}$$因此整个式子可以表示成$$y=kx+b$$又因为 j ∈ [ 0 ,