0. 前言

写完这篇文章后发现自己对于 DP 的优化一窍不通,所以补了补 DP 的一些优化,写篇 blog 总结一下。

1. 单调队列/单调栈优化

1.2 算法介绍

这应该算是最基础的 DP 优化方法了。

顾名思义,单调队列/单调栈优化 DP 就是保持容器内元素的单调性,以达成减少冗余状态的目的。

举单调队列的例子来说,当一个元素的两种属性(例如下标和权值)都优于另一元素时,就可以用此元素更换掉另一元素。这也正是 OI 界流传说法“当一个人比你小且比你强时,你就被弹出单调队列了”的原理。

我们以下面的例题作为例子来更具体地阐述这个算法。

1.3 适用范围&区别

一般来说,形如 \(f(i)=\max(f(j)+F(i)+F(j))\) 的式子都可以考虑适用单调队列/单调栈进行优化。(其中 \(F(i)\) 和 \(F(j)\) 表示和 \(i,j\) 有关的函数)

应该大部分人刚学这两种东西的时候都有一种疑惑:啥时候用单调队列,啥时候用单调栈呢?(至少我有

其实,它们两的本质区别还是其结构上的区别。单调栈通常用新加进来的东西替换掉一些栈顶元素,而单调队列是可能两端同时修改的。

在一下例题中我也会着重分析两者的使用。

1.4 例题

I. P1886 滑动窗口

题目链接

这个不是优化 DP,就是最经典的裸的不能再裸的单调队列。

大力单调队列即可,时间复杂度 \(O(n)\)。

II. CF372C Watching Fireworks is Fun

题目链接

OI Wili 推荐的题

题目大意:一个数轴上有 \(n\) 个点,每个点在位置 \(a_i\),有 \(m\) 个烟花要放,开始时间 \(t_i\)。你一开始的位置随便,每一单位时间可以最多走 \(d\) 这么多的距离,在 \(x\) 看到第 \(i\) 个烟花的快乐值为 \(b_i-|a_i-x|\),求最大的总代价。

数据范围:\(n\leq 150000,m\leq 300\)

看到这个数据范围就知道大概是 \(O(nm)\) 的算法(最多要卡卡常)。

我们容易设计出 DP 状态 \(f(i,j)\) 表示放第 \(i\) 个烟花,位置在 \(j\) 时的最大快乐值。

转移:\(f(i,j)=\max_{j-(t_i-t_{i-1})\cdot d_i\leq k\leq j+(t_i-t_{i-1})\cdot d_i}(f(i-1,k)+b_i-|a_i-j|)\)。

接下来就需要对 DP 进行优化了,首先因为当 \(i\) 和 \(j\) 确定时 \(b_i-|a_i-j|\) 可以看做常数,剩下的就可以用单调队列去维护了。

注:本题使用单调队列的原因为 \(k\) 两边都有限制,需要头尾都更新。

时间复杂度 \(O(nm)\)。

代码

III. P3572 [POI2014]PTA-Little Bird

题目链接

IV. P1973 [NOI2011] NOI 嘉年华

题目链接

V. P2254 [NOI2005] 瑰丽华尔兹

题目链接

2. 斜率优化

斜率优化自己学过好几遍,也听 dalao 讲过,但是总是感觉半懂不懂的。这次索性把它给搞彻底了罢……

2. 1 算法介绍

以 OI Wiki 上的例题为例。

题目大意:有 \(n\) 个玩具,每个玩具有一个价值 \(c_i\)。你需要将这 \(n\) 个玩具分成若干段,设一段 \([l,r]\) 的代价为 \((r-l+\sum_{i=l}^rc_i-L)^2\),其中 \(L\) 为常数,求最小的总代价。

数据范围:\(n\leq 5\times 10^4\)

使用 DP 优化的一般思路:先设计出一个超时的 DP 再优化。

设 \(f_i\) 表示前 \(i\) 个玩具的代价,那么得出转移方程为:

\[f_i=\min_{j=0}^{i-1}\{f_j+(i-j-1+\sum_{k=j+1}^ic_k+L)^2\}
\]

用前缀和表示后即为:

\[f_i=\min_{j=0}^{i-1}\{f_j+(i-j-1+S_i-S_j+c_k+L)^2\}
\]

其中 \(S_i=\sum_{k=1}^ic_k\)。

这就是朴素的 \(O(n^2)\) 的 DP。

下面就要优化了,不过有个问题:DP 跟斜率有什么关系呢?

考虑将 DP 转移方程转化为解析几何中直线的斜截式方程 \(y=kx+b\) 的形式。

我们先将只和 \(i,j\) 有关的归为一类,常数归为一类:\(s_i=S_i+i,l=L+1\),然后原式可以写成:

\[f_i=\min_{j=0}^{i-1}\{f_j+(s_i-s_j-l)^2\}
\]

然后可以令 \(y=f_j+s_j^2,k=-2(l-s_i),x=s_j,b=f_i-(s_i-l)^2\)。(P.S. 这个应该只要满足 \(y=kx+b\) 都可以?)

此时需要最小化直线的截距,先将这些 \((x,y)\) 表示在平面直角坐标系中:

可以看到蓝线连成了一个下凸壳,第一个红线碰到的点使截距最小。

DP 优化方法合集的更多相关文章

  1. DP 优化方法大杂烩 & 做题记录 I.

    标 * 的是推荐阅读的部分 / 做的题目. 1. 动态 DP(DDP)算法简介 动态动态规划. 以 P4719 为例讲一讲 ddp: 1.1. 树剖解法 如果没有修改操作,那么可以设计出 DP 方案 ...

  2. [总结]一些 DP 优化方法

    目录 注意本文未完结 写在前面 矩阵快速幂优化 前缀和优化 two-pointer 优化 决策单调性对一类 1D/1D DP 的优化 \(w(i,j)\) 只含 \(i\) 和 \(j\) 的项--单 ...

  3. 关于Ubuntu系统忘记密码的解决方法合集

    昨天有台机器的Ubuntu系统密码出了问题,一直提示错误.由于里面的数据比较重要,不建议重装系统,所以百度了一会,最终解决了忘记密码问题.整理了一个大合集分享出来. 第一种:参考教程如下       ...

  4. 区间DP入门题目合集

      区间DP主要思想是先在小区间取得最优解,然后小区间合并时更新大区间的最优解.       基本代码: //mst(dp,0) 初始化DP数组 ;i<=n;i++) { dp[i][i]=初始 ...

  5. DP问题大合集

    引入 动态规划(Dynamic Programming,DP,动规),是求解决策过程最优化的过程.20世纪50年代初,美国数学家贝尔曼(R.Bellman)等人在研究多阶段决策过程的优化问题时,提出了 ...

  6. Unity3D 角色(物体) 移动方法 合集

    1. 简介 在Unity3D中,有多种方式可以改变物体的坐标,实现移动的目的,其本质是每帧修改物体的position. 2. 通过Transform组件移动物体 Transform 组件用于描述物体在 ...

  7. Vs2015 win10虚拟机启动问题:无法设置UDP端口 解决方法 合集(转载)

    刚装的vs2015 社区版 出现这个问题,wp8.1和win10m模拟器都无法启动,找了好久找到的解决方案,放这儿供大家参考,免得大家像我一样走弯路: Windows Phone emulator n ...

  8. Android中解析JSON格式数据常见方法合集

    待解析的JSON格式的文件如下: [{"id":"5", "version":"1.0", "name&quo ...

  9. [DP优化方法之虚树]

    首先我们看一篇文章 转自xyz: 给出一棵树. 每次询问选择一些点,求一些东西.这些东西的特点是,许多未选择的点可以通过某种方式剔除而不影响最终结果. 于是就有了建虚树这个技巧..... 我们可以用l ...

随机推荐

  1. GoF的23种设计模式的功能

    GoF的23种设计模式的功能 前面说明了 GoF 的 23 种设计模式的分类,现在对各个模式的功能进行介绍. 单例(Singleton)模式:某个类只能生成一个实例,该类提供了一个全局访问点供外部获取 ...

  2. Spring boot中最大连接数、最大线程数与最大等待数在生产中的异常场景

    在上周三下午时,客户.业务和测试人员同时反溃生产环境登录进入不了系统,我亲自测试时,第一次登录进去了,待退出后再登录时,复现了客户的问题,场景像是请求连接被拒绝了,分析后判断是spring boot的 ...

  3. Redis - 为什么 Redis 是单线程的?

    Redis中work线程是单线程的.也就是对于业务数据的操作是单线程的. Redis中存在多线程操作 异步关闭文件 异步将缓冲区冲洗到磁盘文件中 异步删除键值对 Redis是基于内存的,所以cpu不是 ...

  4. 图解 Apache SkyWalking UI 的使用

    Apache SkyWalking的UI界面主要分为以下几个区域: 功能选择区:这里列出了主要的UI功能,包括仪表盘.拓扑图.追踪.性能刨析.告警等功能 重新加载区:控制重新加载机制,包括定期重新加载 ...

  5. 使用Redis实现购物车功能

    增加购物车商品 假设ID为1001的向购物车中存放了3个商品,产品ID分别为10021.10025.10079 hset cart:1001 10021 1 hset cart:1001 10025 ...

  6. @vue/cli3+配置build命令构建测试包&正式包

    上一篇博客介绍了vue-cli2.x配置build命令构建测试包和正式包,但现在前端开发vue项目大多数使用新版@vue/cli脚手架搭建vue项目(vue create project-name) ...

  7. 4.怎么理解相互独立事件?真的是没有任何关系的事件吗? 《zobol的考研概率论教程》

    1.从条件概率的定义来看独立事件的定义 2.从古典概率的定义来看独立事件的定义 3.P(A|B)和P(A)的关系是什么? 4.由P(AB)=P(A)P(B)推出"独立" 5.从韦恩 ...

  8. 眼球3D可视化解决方案——案例详解

    医疗器械行业伴随着人类健康需求的增长而不断发展,是名副其实的朝阳行业,也是全球发达国家竞相争夺的领域. 一方面,行业门槛高,集中度低,外资企业挤占市场空间成了我国所有医疗器械行业入局者面临的共同挑战. ...

  9. 《Java基础——IO流》

    Java基础--IO流       一.字节流:   1.输入流 (InputStream) 规则: 此处用于读取txt文件中的内容.   代码: import java.io.*; public c ...

  10. Linux下修改RabbitMQ密码

    1,首先查看用户列表 rabbitmqctl list_users 2,修改对应用户密码 其中username 为用户名, newpasswd为新密码 rabbitmqctl change_passw ...