斜率优化dp讲解

对于：
$$d{p}_i=min/max(k_j\ast x_i+b_j)(1\le i\le n,1\le j\le m)$$
的dp方程可以通过"斜率优化"优化成$O(mlo{g}_m+nlo{g}_n)$的。
具体如下：
可以想成在一个直角坐标系中有很多直线(也就是决策)，而对于$d{p}_i$就是所有直线(决策)中把$x_i$带入算到的最优解。
如下图：

如果是$Min$的话那么最优解就构成了一个凸包的上一半（如果是$Max$就构成了一个凸包的下一半）

那怎么来构造凸包呢？怎么来查找值呢?

如果我们先考虑添加直线:
就拿$min$举例吧:

如果没有直线的$k$相等

如果一个直线的集合$S:Lin{e}_1,Lin{e}_2,Lin{e}_3,Lin{e}_4......$依次构成了这个凸包的上半部分。
通过观察上图可以发现集合中的直线$y=kx+b$的k是递减的。
如果设添加的这条直线是$l$，集合的最后一条直线是$a$。

如果$l.k<a.k$

则通过以下方式添加:

while(S.size()>1){
	if(a与倒数第二条函数交点的横坐标>=l与倒数第二条函数的横坐标){
		S.pop_back();
	}
}
S.push_back(l)

上面的实现是均摊$O(1)$的。
这个很容易理解，可以看下图:

可见原来a直线的取值范围内全被更优的L取代了。

如果l.k>a.k(l不是插入到最后)

那么我们需要在集合里找到最后一条直线它的k>l.k,然后,、再一个一个考虑它后面的直线，其实和上面差不多，这样是均摊$lo{g}_n$的。

现在讲一讲查找值

如果查询的集合是{$X_1,X_2,X_3...X_m$}按顺序是单调的那么就可以通过"queue"一个一个的弹出:这里用递增的查询举例:

//查找x
while(q.size()>1&&q[0].query(x)>q[1].query(x)){
	q.pop_front();
}
return q[0].query(x);

上面的实现是均摊$O(1)$的。

如果无序的呢?

可以看下图的提示：

也就是说在这个集合里查找x对应y的最小值时，如果这个位置在$k$那么$[0,k-1]$里x对应的y的值是递增的，$[k+1,n]$x对应的y的值也是递增的。
所以可以用binary_search找到这个位置k。

特殊的，如果有的k重复了，那么可以根据b来定。