斜率优化dp (P2365/P5785 任务安排)

P2365 任务安排

  这道题因为数据量不大，不需要用到斜率优化dp也能过(解法三用了斜率优化dp)，但后续的 P5785 虽然题意不变，但数据范围变大了，需要用到斜率优化dp来解决，所以就先用较简单的做法介绍一下这道题。
  洛谷:P2365 任务安排
题目描述：
  有 N 个任务排成一个序列在一台机器上等待执行，它们的顺序不得改变。机器会把这 N 个任务分成若干批，每一批包含连续的若干个任务。从时刻0开始，任务被分批加工，执行第 i 个任务所需的时间是 Ti。
  另外，在每批任务开始前，机器需要 S 的启动时间，故执行一批任务所需的时间是启动时间 S 加上每个任务所需时间之和。一个任务执行后，将在机器中稍作等待，直至该批任务全部执行完毕。也就是说，同一批任务将在同一时刻完成。每个任务的费用是它的完成时刻乘以一个费用系数 Ci。
  请为机器规划一个分组方案，使得总费用最小。
输入格式：
  第一行包含整数 N。
  第二行包含整数 S。
  接下来N行每行有一对整数，分别为 Ti 和 Ci，表示第 i 个任务单独完成所需的时间 Ti 及其费用系数 Ci。
输出格式：
  输出一个整数，表示最小总费用。
数据范围：
  1 ≤ N ≤ 5000
  0 ≤ S ≤ 50
  1 ≤ Ti,Ci ≤ 100

解法一 O(N^3)：

  求出T，C的前缀和sumT，sumC。即:$sumT[i]={\sum }_{j=1}^{i}T[j]$，$sumC[i]={\sum }_{j=1}^{i}C[j]$
  设F[i, j]表示把前i个任务分成 j 批执行的最小费用，则第 j 批任务完成的时间就是j * s + sumT[i]。以第j - 1批和第j批任务的分界点为DP的“决策”，状态转移方程为：
F [ i , j ] = min ⁡ 0 ≤ k < j { F [ k , j − 1 ] + ( s ∗ j + s u m T [ i ] ) ∗ ( s u m C [ i ] − s u m C [ k ] } F[i, j] = \min_{0{\leq}k<j} \{F[k, j - 1] + (s * j + sumT[i]) * (sumC[i] - sumC[k]\} F[i,j]=0≤k<jmin​{ F[k,j−1]+(s∗j+sumT[i])∗(sumC[i]−sumC[k]}
  该解法的时间复杂度为O(N³)。

解法二：O(N^2)：

  本题并没有规定需要把任务分成多少批，在上一个解法中之所以需要批数 j , 是因为我们需要知道机器启动了多少次(每次启动都要S单位时间)，从而计算出 i 所在的一批任务的完成时刻。
  事实上，在执行一批任务时，我们不容易直接得知在此之前机器启动过几次。但我们知道，机器因执行这批任务而花费的启动时间S，会累加到在此之后所有任务的完成时刻上。设 F[i] 表示把前 i 个任务分成若干批执行的最小费用，状态转移方程为：
   F [ i ] = min ⁡ 0 ≤ j < i { F [ j ] + s u m T [ i ] ∗ ( s u m C [ i ] − s u m C [ j ] ) + s ∗ ( s u m C [ N ] − s u m C [ j ] ) } F[i] = \min_{0{\leq}j<i} \{F[j] + sumT[i] * (sumC[i] - sumC[j]) + s * (sumC[N] - sumC[j])\} F[i]=0≤j<imin​{ F[j]+sumT[i]∗(sumC[i]−sumC[j])+s∗(sumC[N]−sumC[j])}
  在上式中，第 j + 1 ~ i个任务在同一批内完成，sumT[i] 是忽略机器的启动时间
时，这批任务的完成时刻。因为这批任务的执行，机器的启动时间S会对第j + 1个之后的所有任务产生影响，故我们把这部分补充到费用中。
  也就是说，我们没有直接求出每批任务的完成时刻，而是在一批任务“开始”对后续任务产生影响时，就先把费用累加到答案中。这是一种名为“费用提前计算”的经典思想。
  该解法的时间复杂度为0 (N²) 。

代码如下：

#include <bits/stdc++.h>
using namespace std;
typedef long long LL;
int read(){
   
	int x, f = 1;
	char ch;
	while(ch = getchar(), ch < '0' || ch > '9') if(ch == '-') f = -