斜率优化dp 学习笔记

从一个问题开始
真正理解斜率优化dp
orz ISA

1 问题

Apio 2010 特别行动队

1.1 题意简述

给出一个序列x1,x2...xn,将其划分成若干个连续的区间,每一段区间[l,r]的价值为ax2+bx+c,其中x=i=lrxi
现在你需要最大化序列的价值

1.2 数据范围

对于20%的数据,n1000
对于100%的数据,1n1065a1|b|107|c|1071xi100

1.3 讨论

1.3.1 20pts

f(i)表示将序列的前i个划分若干段的最大价值,si表示序列的前缀和
直接根据题意,可以列出状态转移方程
f(i)=max{f(j)+a(sisj)2+b(sisj)+c}1j<i
然后直接dp就可以了
时间复杂度O(n2)

1.3.2 100pts

数据范围只能允许一个O(n)级别的算法

将转移方程进一步展开,能得到
f(i)=max{f(j)+as2i2asisj+as2j+bsibsj+c}1j<i
将其顺序调整,写成下面的形式
f(i)=max{2asjsi+f(j)+as2jbsj+as2i+bsi+c}1j<i
观察这个式子

首先,最后三项,只和a,b,c以及si有关。换句话说,在求f(i)的值时,这三项是与j的选取无关的,我们称之为常数项
对于常数项,可以直接将其拿到max之外
f(i)=max{2asjsi+f(j)+as2jbsj}+as2i+bsi+c1j<i

然后再观察前面4项,可以发现si是与j的选取无关的,只与si的选取有关;而其余都只与j的选取有关,而与i的选取无关
si有什么性质?
si为正项序列的前缀和,显然它一定是对于1...n单调递增的
在求解f(i)的过程中,我们也一定是按照1...n的顺序求,也就是说,在求解f(i)的过程中si单调递增

我们考虑将前四项抽象成一条直线
y=kx+b
其中k=2asjb=f(j)+as2jbsj
也就是说,对于每一个j(1jn),都有一条确定的直线
那么在求解f(i)的时候,对于之前的一个确定的j,将si带入解析式就能求出这个j所对应的函数值
如果枚举每一个j,求出相应的函数值来更新f(i)的话,实际上就是O(n2)dp的方法了
但是我们现在不能枚举,需要直接求出,也就是说,需要确定一条能取到最优值的直线

所以说,什么是斜率优化dp?
对于每一个i(1in),将i抽象成一条直线
f(i)时,求之前的所有直线在自变量为某一个数时的最优值
根据直线的斜率和自变量的增减关系,维护出一个O(n)的算法
明白了这个之后,就已经基本上明白了斜率优化的大体过程

1.4 题解

对于这道题来说
由于5a1,可以得出k>0,即所有直线的斜率为正
由于si单增,求f(i)的过程中,顺次加入直线,直线的斜率也始终单增
维护一个斜率单增的单调双端队列,两个指针l,r

每一次加入一条直线yi之前,判断队首的两条直线ylyl+1si处的函数值,如果ylyl+1,说明直线yl已不是最优值,并且以后也不可能成为最优值,将其出队
计算f(i),此时最优的直线即为队首的直线yl
加入直线yi,如果yiyr1已经将yr完全覆盖,那么将yr弹出

举个栗子
这里写图片描述
在求解f(3)的时候,需要查看f(1)f(2)所表示的两条直线在s3处的函数值,然后取最大
如图所示,显然选y2比选y1要优
由于si单增,以后在求解f(4)f(5)...的时候,这两条直线在s4s5...处的函数值y1也不可能比y2更优,所以y1实际上就已经可以扔掉了

还有一种情况
这里写图片描述
可以发现,顺次插入y1,y2,y3这三条直线,因为要取最大值,y2实际上已经被y1y3完全覆盖了,无论si取何值,它都已经不可能成为最优的答案,这个时候y2也可以扔掉了
实际上就是维护了一个下凸壳啊

我刚开始不明白为什么完全覆盖的要扔掉,不扔直接做不行么
这里有一个反例
这里写图片描述
此时y1y3已经将y2完全覆盖,应该扔掉
但是如果不扔掉的话,查询此时在s4处的最优值
显然y1>y2,这个时候会默认y1即为最优值,不会将y1弹出
而实际上y3才是真正的最优值
所以判断是否有两条直线将另外一条覆盖是完全必要的

如何判断两条直线已经被另一条直线覆盖?
知识储备:初中数学
如上图,令y1=k1x+b1,y2=k2x+b2,y3=k3x+b3
则求y1y3的交点横纵坐标为
k1x+b1=k3x+b3
x=b3b1k1k3
y=k1b3b1k1k3+b1
然后求y2x处的函数值
y2=k2b3b1k1k3+b2
y2y
k2b3b1k1k3+b2k1b3b1k1k3+b1
b3b1k1k3b2b1k1k2
(k1k3)(b2b1)(k1k2)(b3b1)
那么直线y2已经被y1y3完全覆盖
如果斜率为负或者斜率单减的话别搞错了正负号就好

这就是整个斜率优化的过程

1.5 代码

代码简洁清晰明了

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#include<cmath>
using namespace std;
#define LL long long
#define N 1000005

int n,l,r;
LL a,b,c,x;
int q[N];
LL s[N],f[N];

LL K(int j) {return -2*a*s[j];}
LL B(int j) {return f[j]+a*s[j]*s[j]-b*s[j];}
LL Y(int i,int j) {return K(j)*s[i]+B(j);}
bool cover(int x1,int x2,int x3)
{
    LL w1=(K(x1)-K(x3))*(B(x2)-B(x1));
    LL w2=(K(x1)-K(x2))*(B(x3)-B(x1));
    return w1<=w2;
}
int main()
{
    scanf("%d",&n);
    scanf("%lld%lld%lld",&a,&b,&c);
    for (int i=1;i<=n;++i) scanf("%lld",&x),s[i]=s[i-1]+x;
    l=r=0;
    for (int i=1;i<=n;++i)
    {
        while (l<r&&Y(i,q[l])<=Y(i,q[l+1])) ++l;
        f[i]=Y(i,q[l])+a*s[i]*s[i]+b*s[i]+c;
        while (l<r&&cover(i,q[r],q[r-1])) --r;
        q[++r]=i;
    }
    printf("%lld\n",f[n]);
}

2 斜率优化dp

2.1 常见形式

斜率优化dp的状态转移方程有一些比较特殊的性质:

  • 求解最值
  • 每一个状态能转化成一条直线
  • 在求解某一个状态时,因变量为求解的状态值,自变量为与这个状态相关的量
  • 自变量满足单调性,斜率满足单调性

2.2 基本方法

  • 将状态转移方程化成能表示成直线的形式
  • 找出自变量、因变量、斜率、截距,讨论自变量的单调性、斜率的正负及单调性
  • 维护单调双端队列,维护上凸/下凸壳

3 相关题目

题目难度尽量递增
ps 原来写的代码都好丑

bzoj1597 土地购买
http://blog.csdn.net/clove_unique/article/details/51244336
bzoj3156 防御准备
http://blog.csdn.net/clove_unique/article/details/51250213
bzoj3437 小P的牧场
http://blog.csdn.net/clove_unique/article/details/51297305
bzoj1010 hnoi2008 玩具装箱
http://blog.csdn.net/Clove_unique/article/details/51225398
bzoj3675 apio2014 序列分割
http://blog.csdn.net/clove_unique/article/details/51297313
bzoj1096 zjoi2007 仓库建设
http://blog.csdn.net/clove_unique/article/details/51244357
bzoj4518 sdoi2016 征途
http://blog.csdn.net/clove_unique/article/details/51224588


版权声明:本文为Clove_unique原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明。