带权二分总结

简介

带权二分，又叫 wqs 二分、DP 的凸优化，是一种对最优化问题的 DP 的优化。关于带权二分的题目通常会有一个 $K$ 的限制，即需要求某些条件恰好为 $K$ 时的最优解。如果关于 $K$ 的最优解函数图像是凸的（上或下），我们就可以使用此算法。

通常来说，带权二分可以将 DP 中关于限制的维度以 $\mathrm{O}({\log }_{2}V)$ 的时间全部压掉（其中 $V$ 为 $K$ 在精度内的值域大小），能极大优化时间和空间。

算法

我们设最优解函数为 $f$，题目所求限制为 $K^{\prime }$。

考虑由所有的 $(K,f(K))$（$K$ 为精度内满足题意的所有可能的 $K^{\prime }$ 值，通常为某区间内的连续整数，下同）组成的凸包（不妨设为上凸），我们可以通过求出与凸包切于 $(K^{\prime },f(K^{\prime }))$ 点的直线斜率来算出 $f(K^{\prime })$。而根据凸包定义，斜率具有单调性，可以根据直线切在凸包上的位置来二分调整斜率。

那么每次如何算出当前斜率的直线切在凸包上的位置呢？

我们先换一种方法来表述直线与凸包的切点：将直线 “放” 在凸包上方与凸包不相交的位置，然后持续向下平移，第一个与凸包相交的点就是切点。

考虑上面这个平移的过程，其实就是直线在 $y$ 轴上的截距不断减小，所以不难得出得出切点就是对应直线（当前斜率下过这个点的直线）截距最大的点。

于是我们考虑每次根据截最大距算出切点。

设当前枚举到的斜率为 $w$，点 $(K,f(K))$ 的截距为 $f^{\prime }(K)$

首先根据简单的初中知识，容易得到 $f^{\prime }(K)=f(K)-Kw$。又考虑到 $f$ 本身的意义，可以直观的将 $f^{\prime }$ 理解成在原问题下 $K$ 每次加一都有 $w$ 的代价（这也是带权二分思想的一种不太严谨的解释，即通过二分代价来调整限制），所以计算时对改变 $K$ 的转移每次减去