【斜率优化】【决策单调】xjb讲课

大佬们要让蒟蒻给他们讲斜率优化 …….（色色发抖

斜率优化是什么呢，先看点没用的东西。
考虑一类动态规划，满足这样的性质：
状态数有$n$个，一个状态的决策数有$n$个
形似$f[i]=♂_1^i f[j]$定义♂为乱七八糟的运算
这样的dp有什么好的性质呢？？？

首先考虑这样一种 子类型

$$f[i]=min_{j=1}^{i-1} {f[j]+w[j,i]}$$

当对于一个w[j,i]满足四边形不等式的时候，决策单调
那么我们首先来说什么叫四边形不等式
$w[i,j]+w[i+1,j+1]\leq w[i+1,j]+w[i,j+1]$
是不是一脸蒙蔽？
其实是网上的柿子非得撞壁，写成这个13样，不信你移个项
$w[i+1,j+1]-w[i+1,j]\leq w[i,j+1]-w[i,j]$
就是这样的，对于$i+1$状态的决策集，$j$位置决策的增长幅度不如在$i$位置的决策集中$j+1$位置的增长幅度大
显然这意味着，如果一个决策在$i$位置就已经被淘汰，无论他怎么跑，都追不上其他在$i+1$位置的决策了，所以有这样的性质
对于状态$x$的两个决策位置 $i\leq j$ 如果$i$不如$j$优，则对$x+1$必然不选择$i$
这有啥用啊？就是把你原来从1枚举变成从$x-1$决策点枚举了？？
还是暴力，有个卵用？
那我们换一个角度思考，之前都是对状态想决策，现在变成对决策想状态。
对于一个决策$j$能决策的状态区间是什么，一定是状态集中的一段连续的区间
所以我们可以考虑这样一个问题，（以下数字表示决策点位置编号）

对于决策1有这样的决策区间
$1111111111$
对于决策2来了，他一定决策这样的区间
$1111122222$
以此类推
所以我们对每个决策点决策区间维护单调栈，每来一个决策，就在单调栈中二分决策点变化位置，弹掉后面的区间，拆开当前区间即可

废话说完了

斜率优化是个啥？？？
考虑这样另一种形式的子类型

$$f[i]=min_{j=1}^{i-1} (a[i]*f[j]+b[i]*g[j])$$
美化以下柿子
$f[i]=min_{j=1}^{i-1} (a[i]*x[j]+b[i]*y[j])$
求$a*x+b*y$的最值？
变成斜截式$y=-\frac{b}{a}*x+\frac{P}{b}$
现在一个决策点变成了一个数对，$(x,y)$
问题转化成了给定一些斜率固定的直线，以及二维平面上的点集
求一条直线在平面上穿过某一点使得与y轴截距最值
直线方程？线性规划？？
显然是卡在凸包上的最优啊
下面分情况讨论
如果$x$是递增的，斜率也是递增的
就相当于一边向后插点维护凸包，一边在前面用直线卡掉不合法的点
显然单调队列，队尾插点，队头按直线弹掉，时间复杂度$O(n)$。
如果x递增，斜率不递增，就要正常维护凸包，在凸包上二分找到直线卡的点位置。
时间复杂度$O(n*log_2n)$
如果x和斜率都不递增，用平衡树维护凸包，动态插点，删点，反正我不会写。
可写的方法是cdq，对x进行cdq，左右分别维护凸包，$O(n)$合并凸包。
时间复杂度$O(n*log_2n)$