斜率优化,是一种利用斜率的优化(废话)

关于数论:咕咕咕

部分内容参考自学长

如果有这样的一个状态转移方程:

\[f[i]=\min\limits_{j=L_j}^{R_j}\{f[j]+val(j,i)\}
\]

如果\(val(j,i)=A(i)+B(j)\)可以用单调队列解决

当\(val(j,i)=(A(i)+B(j))^2\)时,就可以考虑斜率优化。

关键词:斜率,凸包,单调队列

特别行动队

看到这题,暴力\(DP\)应该比较好想:

\[f[i]=\max\limits^{i-1}_{j=0}\{f[j]+A\cdot(sum[i]-sum[j])^2+B\cdot(sum[i]-sum[j])+C\}
\]

看见平方,把他展开:

\[f[i]=\max\limits^{i-1}_{j=0}\{f[j]+A\cdot(sum[i]^2+sum[j]^2-2sum[i]\cdot sum[j])+B\cdot(sum[i]-sum[j])+C\}
\]
\[f[i]=\max\limits^{i-1}_{j=0}\{f[j]+A\cdot sum[i]^2+A\cdot sum[j]^2-2A\cdot sum[i]\cdot sum[j]+B\cdot sum[i]-B\cdot sum[j]+C\}
\]

一定的项就可以提出去

\[f[i]=\max\limits^{i-1}_{j=0}\{f[j]+A\cdot sum[j]^2-2A\cdot sum[i]\cdot sum[j]-B\cdot sum[j]\}+A\cdot sum[i]^2+B\cdot sum[i]+C
\]

所以,我们考虑\(val_j=f[j]+A\cdot sum[j]^2-2A\cdot sum[i]\cdot sum[j]-B\cdot sum[j]\)这一部分的取值

设当前想要转移到的状态为\(i\),\(j,k\)是之前的两个转移点

那么当\(j<k\),且\(val_j\leq val_k\)时,\(j\)劣于\(k\)。

写出来就是

\[f[j]+A\cdot sum[j]^2-2A\cdot sum[i]\cdot sum[j]-B\cdot sum[j]\leq f[k]+A\cdot sum[k]^2-2A\cdot sum[i]\cdot sum[k]-B\cdot sum[k]
\]
\[f[j]+A\cdot sum[j]^2-B\cdot sum[j]-f[k]-A\cdot sum[k]^2+B\cdot sum[k]\leq 2A\cdot sum[i]\cdot sum[j]-2A\cdot sum[i]\cdot sum[k]
\]
\[f[j]-f[k]+A\cdot(sum[j]^2-sum[k]^2)+B\cdot(sum[k]-sum[j])\leq 2Asum[i]\cdot(sum[j]-sum[k])
\]
\[\frac{f[j]-f[k]+A\cdot(sum[j]^2-sum[k]^2)+B\cdot(sum[k]-sum[j])}{sum[j]-sum[k]}\geq 2Asum[i]
\]

(注意最后有个变号)

令\(g[t]=f[t]+A\cdot sum[t]^2-B\cdot sum[t]\),原式就会变成:

\[\frac{g[j]-g[k]}{sum[j]-sum[k]}\geq 2Asum[i]
\]

好——舒——服——啊——这就直接上斜率优化了

Latex打得我要死了

看题,发现\(A<0\),而\(sum\)是递增的,所以如果一个\(sum[i]\)满足条件,之后的所有\(sum[i]\)也都满足条件,也就是说对于之后的所有转移,都有\(j\)劣于\(k\)。

冷静分析,发现是个上凸包,因为根据推出来的式子弹队头,斜率大于等于当前的都会被弹掉

然后同样的道理来弹队尾!

(最后一步的分析第一次做斜率优化想了半个小时……不过想过去是真的豁然开朗)

磕磕绊绊弄出来的混乱程序

#include<bits/stdc++.h>
#define ll long long
#define db double
#define ZZ_zuozhe int main()
#define Arknights return 0
using namespace std;
#define MAXN 1000005 ll q[MAXN];
db f[MAXN],k[MAXN],sum[MAXN],y[MAXN]; ZZ_zuozhe
{
ll n;
scanf("%lld",&n);
db a,b,c,nowk;
scanf("%lf%lf%lf",&a,&b,&c);
for(int i=1;i<=n;i++)
{
scanf("%lf",&sum[i]);
sum[i]+=sum[i-1];
}
ll h=1,t=1,j;
for(int i=1;i<=n;i++)
{
nowk=2*a*sum[i];
while(h<t&&k[h]>=nowk)h++;
f[i]=y[q[h]]-nowk*sum[q[h]]+(a*sum[i]+b)*sum[i]+c;
y[i]=f[i]+(a*sum[i]-b)*sum[i];
while(h<t&&k[t-1]<=(y[q[t]]-y[i])/(sum[q[t]]-sum[i]))--t;
k[t]=(y[q[t]]-y[i])/(sum[q[t]]-sum[i]);
q[++t]=i;
}
printf("%.0lf\n",f[n]);
Arknights;
}

我的娘啊太短了吧……其实还可以再压行

有一点需要注意的是因为单调队列里存了线段斜率,这是代表两个点的,所以这里只能用\(f<t\)配\(f=t=1\),我原来写的单调队列这里会挂……

玩具装箱

先打暴力:

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+(sum[i]-sum[j]+i-j-1-L)^2\}
\]

按照我们的一贯作风,这个时候应该化简了

这一大坨平方摆在这里化个麦乐鸡腿堡啊!

不急不急,咱们换个元,把含\(i,j\)的项合在一起,令\(g[t]=sum[t]+t\),这里就有

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+(g[i]-g[j]-1-L)^2\}
\]

然后因为\(g[i]\)是可求的,直接把他提出来就好

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+g[i]^2+(g[j]+1+L)^2-2\cdot g[i]\cdot (g[j]+1+L)\}
\]
\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+(g[j]+1+L)^2-2\cdot g[i]\cdot (g[j]+1+L)\}+g[i]^2
\]

接下来,考虑\(f[j]+(g[j]+1+L)^2-2\cdot g[i]\cdot (g[j]+1+L)\)这一部分

设当前要转移到\(i\),之前有两个状态\(j,k\)

则当\(j<k\),且\(val_j \geq val_k\)时,\(j\)劣于\(k\)。

列出式子:

\[f[j]+(g[j]+1+L)^2-2\cdot g[i]\cdot (g[j]+1+L)\geq f[k]+(g[k]+1+L)^2-2\cdot g[i]\cdot (g[k]+1+L)
\]

然后就是欢乐化简环节,这里就直接给结果了\(qwq\)

\[\frac{f[j]-f[k]+(g[j]+L+1)^2-(g[k]+L+1)^2}{g[j]-g[k]}\leq 2\cdot g[i]
\]

(注意变号)

令\(h[t]=f[t]+(g[t]+L+1)^2\),则有

\[\frac{h[j]-h[k]}{g[j]-g[k]}\leq 2\cdot g[i]
\]

一般形式出来了,代码就好写了~

右面单调递增,和上一题恰恰相反,单调队列下凸包,代码仍然极短>.<

#include<bits/stdc++.h>
#define ll long long
#define db double
#define ZZ_zuozhe int main()
#define Arknights return 0
using namespace std;
#define MAXN 50005 ll q[MAXN];
db f[MAXN],g[MAXN],h[MAXN],sum[MAXN],L,k[MAXN];
db nowk;
ll n; inline db slope(ll j,ll k){return (h[j]-h[k])/(g[j]-g[k]);} ZZ_zuozhe
{
scanf("%lld%lf",&n,&L);
h[0]=(L+1)*(L+1);
for(int i=1;i<=n;i++)
{
scanf("%lf",&sum[i]);
sum[i]+=sum[i-1];
g[i]=sum[i]+i;
}
ll he=1,t=1;
for(int i=1;i<=n;i++)
{
nowk=2*g[i];
while(he<t&&k[he]<=nowk)he++;
f[i]=f[q[he]]+(g[i]-g[q[he]]-1-L)*(g[i]-g[q[he]]-1-L);
h[i]=f[i]+(g[i]+L+1)*(g[i]+L+1);
while(he<t&&k[t-1]>=slope(q[t],i))t--;
k[t]=slope(q[t],i);
q[++t]=i;
}
printf("%.0lf",f[n]);
Arknights;
}

仓库建设

上暴力!

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+C[i]+(\sum\limits_{k=j+1}^{i}P[k]\cdot(X[i]-X[k]))\}
\]

还要求和好麻烦啊……那就化简一下

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+C[i]+\sum\limits_{k=j+1}^{i}P[k]\cdot X[i]-\sum\limits_{k=j+1}^{i}P[k]\cdot X[k]\}
\]

这个求和就可以前缀和优化了呢……

设\(sP[t]=\sum\limits_{i=1}^{t}P[i]\),\(sPX[t]=\sum\limits_{i=1}^{t}P[i]\cdot X[i]\),就可以得到:

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+C[i]+X[i]\cdot (sP[i]-sP[j])-(sPX[i]-sPX[j])\}
\]

怎么越来越乱了,走了走了打暴力去

且慢!你似乎忘了把只含\(i\)的式子提出来……

于是:

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]-X[i]\cdot sP[j]+sPX[j]\}+C[i]+X[i]\cdot sP[i]-sPX[i]
\]

咱就只用考虑\(f[j]-X[i]\cdot sP[j]+sPX[j]\)这一块

设当前要转移到\(i\),之前有两个状态\(j,k\)(套路出来了

则当\(j<k\),且\(val_j \geq val_k\)时,\(j\)劣于\(k\)。

代入就是

\[f[j]-X[i]\cdot sP[j]+sPX[j]\geq f[k]-X[i]\cdot sP[k]+sPX[k]
\]
\[f[j]-f[k]+sPX[j]-sPX[k]\geq X[i]\cdot (sP[j]-sP[k])
\]
\[\frac{f[j]-f[k]+sPX[j]-sPX[k]}{sP[j]-sP[k]}\leq X[i]
\]

令\(g[t]=f[t]+sPX[t]\),强行搞出一般形式:

\[\frac{g[j]-g[k]}{sP[j]-sP[k]}\leq X[i]
\]

舒服了,上兵器,和上一题类似,单调队列下凸包。

这题数据很大时\(double\)似乎精度堪忧……换了\(long long\)就没事了,不过记得把所有不等号的等于都去掉……

#include<bits/stdc++.h>
#define ll long long
#define db double
#define ZZ_zuozhe int main()
#define Arknights return 0
using namespace std;
#define MAXN 1000005 ll n;
ll q[MAXN];
ll p[MAXN],x[MAXN],c[MAXN],sp[MAXN],spx[MAXN],f[MAXN],nowk,k[MAXN],g[MAXN]; inline db slope(ll j,ll k){return 1.0*(g[j]-g[k])/(sp[j]-sp[k]);} ZZ_zuozhe
{
scanf("%lld",&n);
for(int i=1;i<=n;i++)
{
scanf("%lld%lld%lld",&x[i],&p[i],&c[i]);
sp[i]=sp[i-1]+p[i];
spx[i]=spx[i-1]+p[i]*x[i];
}
ll h=1,t=1;
for(int i=1;i<=n;i++)
{
nowk=x[i];
while(h<t&&k[h]<nowk)h++;
f[i]=f[q[h]]-x[i]*sp[q[h]]+spx[q[h]]+c[i]+x[i]*sp[i]-spx[i];
g[i]=f[i]+spx[i];
while(h<t&&k[t-1]>slope(q[t],i))t--;
k[t]=slope(q[t],i);
q[++t]=i;
}
printf("%lld",f[n]);
Arknights;
}

土地购买

发现每次买地是按最大长和最大宽的乘积计费的,所以如果某块土地的长和宽都小于另外某块土地的,这块土地实际上就不会对答案产生贡献了

然后就可以写dp:(记得考虑已知性质

\[f[i]=\min\limits_{j=1}^{i-1}\{f[j]+w[j+1]*l[i]\}
\]

通过排序使\(l\)单调递增,\(w\)单调递减,就可以上斜率优化了

设当前要转移到\(i\),之前有两个状态\(j,k\)(我又开始复读了

则当\(j<k\),且\(val_j \geq val_k\)时,\(j\)劣于\(k\)。

代入:

\[f[j]+w[j+1]*l[i]\geq f[k]+w[k+1]*l[i]
\]
\[\frac{f[j]-f[k]}{w[k+1]-w[j+1]}\leq l[i]
\]

莫名很好化……

右面单调递增,单调队列维护个下凸包即可

讲个笑话,我输出\(f[n]\),\(Wa\) \(10\)调了半上午:)

#include<bits/stdc++.h>
#define ll long long
#define db double
#define ZZ_zuozhe int main()
#define Arknights return 0
#define MAXN 50005
using namespace std; struct land
{
ll w,l;
}a[MAXN],b[MAXN];
ll cnt=0; inline bool cmp(land a,land b){return (a.l!=b.l?a.l<b.l:a.w<b.w);} ll n,q[MAXN];
db f[MAXN],k[MAXN]; inline db slope(ll j,ll k){return 1.0*(f[j]-f[k])/(b[k+1].w-b[j+1].w);} ZZ_zuozhe
{
scanf("%lld",&n);
for(int i=1;i<=n;i++)scanf("%lld%lld",&a[i].w,&a[i].l);
sort(a+1,a+n+1,cmp);
for(int i=1;i<=n;i++)
{
while(cnt&&(a[i].w>=b[cnt].w||a[i].l==b[cnt].l))cnt--;
b[++cnt].w=a[i].w;
b[cnt].l=a[i].l;
}
//for(int i=1;i<=cnt;i++)cout<<b[i].l<<' '<<b[i].w<<endl;
ll h=1,t=1;
db nowk;
for(int i=1;i<=cnt;i++)
{
nowk=b[i].l;
//cout<<"i:"<<i<<' '<<k[h]<<' '<<nowk<<endl;
while(h<t&&k[h]<nowk)h++;
f[i]=f[q[h]]+b[q[h]+1].w*b[i].l;
while(h<t&&k[t-1]>slope(q[t],i))t--;
k[t]=slope(q[t],i);
q[++t]=i;
//cout<<"head:"<<h<<' '<<"f["<<i<<"]="<<f[i]<<endl;
}
printf("%.0lf",f[cnt]);
Arknights;
}

【刷题笔记】DP优化-斜率优化的更多相关文章

  1. LeetCode刷题笔记-DP算法-取数问题

    题目描述 (除数博弈论)爱丽丝和鲍勃一起玩游戏,他们轮流行动.爱丽丝先手开局. 最初,黑板上有一个数字 N .在每个玩家的回合,玩家需要执行以下操作: 选出任一 x,满足 0 < x < ...

  2. 【学习笔记】动态规划—斜率优化DP(超详细)

    [学习笔记]动态规划-斜率优化DP(超详细) [前言] 第一次写这么长的文章. 写完后感觉对斜优的理解又加深了一些. 斜优通常与决策单调性同时出现.可以说决策单调性是斜率优化的前提. 斜率优化 \(D ...

  3. dp的斜率优化

    对于刷题量我觉得肯定是刷的越多越好(当然这是对时间有很多的人来说. 但是在我看来我的确适合刷题较多的那一类人,应为我对知识的应用能力并不强.这两天学习的内容是dp的斜率优化.当然我是不太会的. 这个博 ...

  4. 《Data Structures and Algorithm Analysis in C》学习与刷题笔记

    <Data Structures and Algorithm Analysis in C>学习与刷题笔记 为什么要学习DSAAC? 某个月黑风高的夜晚,下班的我走在黯淡无光.冷清无人的冲之 ...

  5. PTA刷题笔记

    PTA刷题记录 仓库地址: https://github.com/Haorical/Code/tree/master/PTA/GPLT 两周之内刷完GPLT L2和L3的题,持续更新,包括AK代码,坑 ...

  6. Python 刷题笔记

    Python 刷题笔记 本文记录了我在使用python刷题的时候遇到的知识点. 目录 Python 刷题笔记 选择.填空题 基本输入输出 sys.stdin 与input 运行脚本时传入参数 Pyth ...

  7. 【笔记篇】斜率优化dp(四) ZJOI2007仓库建设

    传送门戳这里>>> \(n\leq1e6\), 显然还是\(O(n)\)的做法. 这个题有个条件是只能运往编号更大的工厂的仓库, 这也是写出朴素dp的方程的条件. 我们令\(f[i] ...

  8. 【笔记篇】斜率优化dp(一) HNOI2008玩具装箱

    斜率优化dp 本来想直接肝这玩意的结果还是被忽悠着做了两道数论 现在整天浑浑噩噩无心学习甚至都不是太想颓废是不是药丸的表现 各位要知道我就是故意要打删除线并不是因为排版错乱 反正就是一个del标签嘛并 ...

  9. 【笔记篇】斜率优化dp(二) SDOI2016征途

    =======传=送=门======= 搜题目名会搜出很多奇怪的东西... 这个题目似乎有点毒? 比如在bzoj和loj上可以1A的代码上会在luogu TLE 2个点, 在cogs TLE 10个点 ...

随机推荐

  1. [Luogu P1345] [USACO5.4]奶牛的电信Telecowmunication (最小割)

    题面 传送门:https://www.luogu.org/problemnew/show/P1345 ] Solution 这道题,需要一个小技巧了解决. 我相信很多像我这样接蒟蒻,看到这道题,不禁兴 ...

  2. 浅谈 Tarjan 算法

    目录 简述 作用 Tarjan 算法 原理 出场人物 图示 代码实现 例题 例题一 例题二 例题三 例题四 例题五 总结 简述 对于初学 Tarjan 的你来说,肯定和我一开始学 Tarjan 一样无 ...

  3. JVM学习(五) -执行子系统

    虚拟机和物理机的区别.两种都有代码执行能力.物理机的执行引擎是建立在处理器.硬件.指令集和操作系统上.而虚拟机的执行引擎是有自己实现的.因此可以自行的制定指令集和执行引擎的结构关系. 个人理解:分为三 ...

  4. tomcat 404报错 问题可能之一

    一个tomcat下多个应用:我的应用xxx启动不起来,页面报错404: May 29, 2015 5:58:37 PM org.apache.catalina.core.StandardContext ...

  5. Shell脚本常用命令整理

    该笔记主要整理了一些常见的脚本操作命令,大致如下(持续补充中): 1. while.for循环 1. while.for循环 #!/bin/bash # while循环 v_start_date=${ ...

  6. [MIT6.006] 9. Table Doubling, Karp-Rabin 双散列表, Karp-Rabin

    在整理课程笔记前,先普及下课上没细讲的东西,就是下图,如果有个操作g(x),它最糟糕的时间复杂度为Ο(c2 * n),它最好时间复杂度是Ω(c1 * n),那么θ则为Θ(n).简单来说:如果O和Ω可以 ...

  7. Ceph根据Crush位置读取数据

    前言 在ceph研发群里面看到一个cepher在问关于怎么读取ceph的副本的问题,这个功能应该在2012年的时候,我们公司的研发就修改了代码去实现这个功能,只是当时的硬件条件所限,以及本身的稳定性问 ...

  8. JavaScript高级程序设计(第四版) -- 随笔 -- 数组(未完)

    数组方法 .every() 与 .some() 传给两个个方法的函数都接收3个参数:数组元素.元素索引和数组本身. .every() -- 对于每一项都需要返回true,它才会返回true 若中途有一 ...

  9. Tomcat口令暴力猜解&&后台getshell

    Tomcat环境搭建 windows系统xampp搭建tomcat linux yum搭建tomcat 修改tomcat目录下的conf/tomcat-users.xml文件开启管理后台口令认证 &l ...

  10. docker漏洞复现环境搭建

    0x00 docker简介 把原来的笔记整理了一下,结合前几天的一个漏洞,整理一篇简单的操作文档,希望能帮助有缘人. docker是一个开源的应用容器引擎,开发者可以打包自己的应用到容器里面,然后迁移 ...