[模板] 斜率优化Dp详解
来源:互联网 发布:网络卖彩票会坐牢吗 编辑:程序博客网 时间:2024/06/06 02:01
算法简介
今天xinyue讲了斜率优化,全程懵逼,居然还有这么牛逼的东西。
于是与achen讨论了一下,总结一些东西。
斜率优化Dp其实是单调队列的推广,单调队列、旋转卡壳、斜率优化都利用了单调性降低时间复杂度。
算法简介
举个例子
有些动规状态转移方程可以写成
f[i]=min/max{f[j]+…+x[i]},省略号中只有与j有关的变量。
我们就可以用单调队列进行优化,使O(n^2)降为O(n)
但是对于这一类的方程:
f[i]=min/max{f[j]+(x[i]-x[j])^2}
展开后得到
f[i]=min/max{f[j]+x[i]^2+x[j]^2-2*x[i]*x[j]}
红色部分不仅有j相关的量,还有与i有关的量,从而使单调队列失效。
此时我们就需要用到斜率优化。
引例
hdu3507
题目大意:
给出N个单词,每个单词有个非负权值Ci,现要将它们分成连续的若干段,每段的代价为此段单词的权值和,还要加一个常数M,即(∑Ci)^2+M。现在想求出一种最优方案,使得总费用之和最小。
容易写出方程:
f[i]=min{f[j]+(s[i]-s[j])^2+M}(0<=j<=i-1)
其中s是前缀和
可是范围是500000,又不能用单调队列,那怎么办呢?
算法核心
数学分析法见此大爷博客,讲的挺详细->传送门
以下谈谈斜率优化的数形结合理解方法:
以下纯粹空谈,请结合引例分析理解。
根据动规方程状态i从状态j转化而来,
我们可以化成类似f[i]=(f[j]+…)+(-i*f[i-1]*f[j])+(i+…)的形式
其中蓝色部分只与j有关,红色部分与i,j有关,绿色部分只与i或常数有关
我们可以固定i,故变形为
f[i]-i-…=(f[j]+…)+(-i*f[i-1]*f[j])
考虑几何意义,
令蓝色部分为y,红色部分中的i部分为导数k,红色部分中j部分为x,绿色部分只是常数,在几何意义上只是截距,与单调性无关,可以设为B
故得y=kx-B
是不是很像直线方程?
假设关于i的部分>0且随着i增加而增加,求的是最小值
则k随着i增加而增加,对于有效点集我们可以画出下图。
是不是很像一个下凸包?
我们用当前的斜率k从下方去不断逼近下凸包,最终会先碰到哪一个点?
一定是与斜率最相近的点,因为函数单调递增,故小于斜率的决策肯定没有后面的优,舍去。
因此我们可以用一个类似单调队列的双端队列来维护状态j,以下是实现方案:
若导数小于当前斜率,舍掉队首。
根据方程使用队首取出j算出当前f[i]的值
接着我们要加入结点i,但还得维护队列的下凸性,如果加入结点i破坏了下凸性,就弹去队尾,直到下凸位置(请dalao们不要吐槽示意图,没时间改了)
因此可以得到O(n)的算法
当然,若方程关于i的部分随着i增加而减小,且>0,则维护上凸性。以此类推,树形结合分析。
核心代码如下:
int Left=1,Right=1; Q[1]=0; f[0]=0; for(int i=1; i<=n; i++) { while(Left<Right&&Slope(Q[Left],Q[Left+1])<=sumd[i])Left++; //维护队首(删除非最优决策) int Front=Q[Left]; //取出队列中最优元素j f[i]=Cal(i,Front); //根据方程计算当前f while(Left<Right&&Slope(Q[Right-1],Q[Right])>=Slope(Q[Right],i))Right--; //维护队尾(维护下凸包性质) Q[++Right]=i; //入队 }
引例分析
f[i]=min{f[j]+(s[i]-s[j])^2+M}
展开得
f[i]=min{f[j]+s[i]^2+s[j]^2-2*s[i]*s[j]+M}
令f[i]=B,f[j]+s[j]^2=y,2*s[j]=x,k=s[i]
因此k*x+B=y
k是s[i],前缀和随着i增大而增大,因为求最小值,故维护下凸包。
#include<algorithm>#include<iostream>#include<iomanip>#include<cstring>#include<cstdlib>#include<vector>#include<cstdio>#include<cmath>#include<queue>using namespace std;inline const int Get_Int() { int num=0,bj=1; char x=getchar(); while(x<'0'||x>'9') { if(x=='-')bj=-1; x=getchar(); } while(x>='0'&&x<='9') { num=num*10+x-'0'; x=getchar(); } return num*bj;}long long n,m,Q[500005],f[500005],s[500005];double Slope(long long j,long long k) { //求斜率 return double((f[j]+s[j]*s[j])-(f[k]+s[k]*s[k]))/(2*s[j]-2*s[k]);}int main() { while(scanf("%lld%lld",&n,&m)!=EOF) { for(int i=1; i<=n; i++)s[i]=s[i-1]+Get_Int(); int Left=1,Right=1; Q[1]=0; f[0]=0; for(int i=1; i<=n; i++) { while(Left<Right&&Slope(Q[Left],Q[Left+1])<=s[i])Left++; //维护队首(删除非最优决策) int Front=Q[Left]; f[i]=f[Front]+(s[i]-s[Front])*(s[i]-s[Front])+m; //计算当前f while(Left<Right&&Slope(Q[Right-1],Q[Right])>=Slope(Q[Right],i))Right--; //维护队尾(维护下凸包性质) Q[++Right]=i; //入队 } printf("%lld\n",f[n]); } return 0;}
经典例题
[hdu3507] 打印文章(引例)
[HNOI2008] 玩具装箱
[CEOI2004] 锯木厂选址
[ZJOI2007] 仓库建设
[USACO 2008 March Gold] 土地购买
[APIO2010] 特别行动队
[APIO2014] 序列分割
[bzoj3437] 小P的牧场
[SDOI2016] 征途
这里留下的坑慢慢填吧,希望填的完。
后记
斜率优化这一部分比较难懂,读者可以自己在纸上推算一下。
如果有疑问或者认为本文有问题请在下面↓提出,感谢大家的支持。
- [模板] 斜率优化Dp详解
- 斜率dp模板
- 斜率优化dp再探 (模板) BZOJ 3156 & BZOJ 4518
- 斜率优化DP模板题--HDU3507 Print Article
- 斜率优化模板
- DP(斜率优化)
- 【斜率优化DP】Batch_Scheduling
- dp优化--斜率
- 斜率优化DP
- 斜率优化DP
- hdu3507斜率优化dp
- DP斜率优化总结
- hdu3480 斜率优化dp
- hdu3507 斜率优化dp
- 斜率优化DP
- 斜率优化DP 【pascal】
- 斜率优化DP
- dp 斜率优化
- PAT TEST甲级1006. Sign In and Sign Out (25)
- 使用MFC操作Word(使用模板)
- 共享onload事件(addLoadEvent函数)
- 设计模式-From Jason McDonald
- Activiti工作流引擎——用户与组、部署管理
- [模板] 斜率优化Dp详解
- 2016年个人总结
- python之字典的学习
- Python处理医学影像学中的DICOM
- 初涉linux
- hdu 3549 FlOW Problem
- # WebView简介 #
- 网络配置协议NetConf概述
- struts2入门