ACM课程心得

单调队列

单调队列:队列中元素之间的关系具有单调性，而且，队首和队尾都可以进行出队操作，只有队尾可以进行入队操作。。
单调队列的常用操作如下：
（1）插入：若新元素从队尾插入后会破坏单调性，则删除队尾元素，直到插入后不再破坏单调性为止，再将其插入单调队列。
（2）获取最优（最大、最小）值：访问首尾元素。
朴素算法

这是一个区间求极值问题。
先枚举起始元素ax，然后求ax到ax+k-1的最大（小）值。
我们得到了一个复杂度为o（nk）的算法。

优化方案

以最大值为例
对任意l<=i<j<=r，如果ai<aj，那么，在区间向右移动的过程中，最大值永远也不会落在ai上，因为ai比aj先失效，能用ai一定能用aj ，此时，我们便不再需要ai了。
这个性质似乎与单调队列的性质重合了。 (这里与数据结构的选择排序很像)

动态规划·单调队列的理解
做动态规划时常常会见到形如这样的转移方程：
f[x] = max or min{g(k) | b[x] <= k < x} + w[x]
(其中b[x]随x单调不降，即b[1]<=b[2]<=b[3]<=…<=b[n])
(g[k]表示一个和k或f[k]有关的函数，w[x]表示一个和x有关的函数)
这个方程怎样求解呢？我们注意到这样一个性质：如果存在两个数j, k，使得j <= k，而且g(k) <= g(j)，则决策j是毫无用处的。因为根据b[x]单调的特性，如果j可以作为合法决策，那么k一定可以作为合法决策，并且k是一个比j要优的决策。因为k比j要优，（注意：在这个经典模型中，“优”是绝对的，是与当前正在计算的状态无关的），所以，如果把待决策表中的决策按照k排序的话，则g(k)必然是不降的。在此例中决策表即f[x].
这样，就引导我们使用一个单调队列来维护决策表。对于每一个状态f(x)来说，计算过程分为以下几步：
1、 队首元素出队，直到队首元素在给定的范围中。
2、 此时，队首元素就是状态f(x)的最优决策，
3、 计算g(x)，并将其插入到单调队列的尾部，同时维持队列的单调性（不断地出队，直到队列单调为止）。
重复上述步骤直到所有的函数值均被计算出来。不难看出这样的算法均摊时间复杂度是O(1)的。因此求解f(x)的时间复杂度从O(n^2)降到了O(n)。