CF 1859E Maximum Monogonosity 绝对值的巧妙处理和状态设计

CF 1859E
题意:给你两个长度为$n$的数组$a$,$b$，选择一些点对$(l_i,r_i)$。
每个点对对答案产生贡献$abs(b_{l_i}-a_{r_i})+abs(b_{r_i}-a_{l_i})$ 。
任意两点对$(l_i,r_i)(l_j,r_j)$间必须满足$r_i<l_j$或者$r_j<l_i$
点对长度为$r_i-l_i+1$，求选取点对总长度为$k$时，最大总贡献为多少

朴素写法直接枚举每个当前选到的点，然后枚举当前长度，对当前点进行选与不选的决策，选：直接枚举点对中的 $l$ 转移即可；不选：直接从前一个点转移过来，复杂度$O(n^3)$

这种暴力的做法时间不太够，因为我们在确定点对中$r_i$时，转移时我们必须知道$l_i$为多少，才能算出这个点对的贡献。

状态优化：因为这个贡献很特殊，它是绝对值型的，比如我们考虑$abs(x-y)$，可以转换为$max(x-y,y-x)$，发现$x,y$的符号可以多开一个状态来表示，暴力枚举符号，因为绝对值取max所以最后的答案一定最优

所以可以这样做 $f_{x,y,l}$ 表示当前长度为 $l$，$(b_{l_i}-a_{r_i})$ 的符号状态为 $x$ ，$(b_{r_i}-a_{l_i})$ 的符号状态为 $y$ 且已选取$l_i$暂未选择$r_i$时的最大贡献，$g_l$表示选择完$r_i$后的最大贡献，也就是统计的答案，因为贡献的两个符号状态我们可以在$f$转移时就确定，所以$g$作为答案数组可以省去这两个状态

最后只要枚举当前点，做三件事：
1.选择当前点并作为新的$l_i$,确定$x,y$，计算$a_{l_i}$和$b_{l_i}$的贡献
2.不选择当前点，延续之前确定了的$l_i$和$x,y$
3.选择当前点作为$r_i$,计算贡献

void solve(){
    std::vector f(2,std::vector(2,std::vector<ll>(K+1,-inf)));
    std::vector<ll> g(K+1);
    g[0]=0;
    for (int i=1;i<=n;i++){
        for (int x=0;x<2;x++){
            for (int y=0;y<2;y++){
                for (int l=K;l>=1;l--){
                    f[x][y][l]=f[x][y][l-1];
                }
            }
        }

        for (int x=0;x<2;x++){
            for (int y=0;y<2;y++){
                for (int l=0;l<K;l++){
                    f[x][y][l+1]=std::max(f[x][y][l+1],g[l]+(x?-1:1)*b[i]+(y?1:-1)*a[i]);
                }
            }
        }
        for (int x=0;x<2;x++){
            for (int y=0;y<2;y++){
                for (int l=0;l<=K;l++){
                    g[l]=std::max(g[l],f[x][y][l]+(y?-1:1)*b[i]+(x?1:-1)*a[i]);
                }
            }
        }
    }
    std::cout<<g[K]<<"\n";
}