浅谈决策单调性在1D1D动态规划中的运用
2018-01-10 22:17
190 查看
转自alan_cty
1D1D动态规划是指状态数为O(n),每个状态的决策数为O(n),直接求解的复杂度为O(n^2)的动态规划方程。但这种方程往往都能够通过一些合理的组织和决策优化到O(n log n)甚至O(n)的。
由于博主比较弱所以只分析下面几种情况(其他的等会了有时间再补)
具体来讲,每一个决策可以看做一个二维平面上的点,某两个决策的优劣性可以通过他们之间的斜率得出
并且随着决策的不断进行,我们所用来比较的斜率也是单调变化的
这样我们就可以把决策点做成一个凸包,用单调队列维护就可以了
具体来说,我们每次暴力找出mid处的决策点,然后分治左右区间进行,这样就减少了每次决策的复杂度。
但这种做法的适用性也不高,如果你一个决策的决定依赖于其他决策,那么就GG了。
假入我们只知道最简单的一个性质,就是决策单调性,那么我们要怎么做?
我们先来看一个实例:
最开始我们已经确定了1号点的状态,那么全局的决策就变成了:
11111111111111(这里的每个数字表示每个点的决策点)
那么我们就可以得出2号点的状态,接着它对全局的影响:
11111111222222
接下来3号点的状态我们也可以得出,假如它对全局的影响是
11111111222222
33333333333
我们可以发现,最终我们的全局决策会变为:
11133333333333
就是决策2已经没有用了!
那么我们从队尾往前依次比较每一个决策点,如果当前决策在全局看来都比队尾决策优,那么队尾决策就是没有用的,出队。
否则我们就要二分一个转折点,表示从这个转折点开始,新决策比队尾决策优,然后将新决策入队。
这样我们就做到O(n log n)来维护每一个决策点对于全局的影响。
注意如果队头能影响的区间已经决策完了,那么队头出队。
1D1D动态规划是指状态数为O(n),每个状态的决策数为O(n),直接求解的复杂度为O(n^2)的动态规划方程。但这种方程往往都能够通过一些合理的组织和决策优化到O(n log n)甚至O(n)的。
由于博主比较弱所以只分析下面几种情况(其他的等会了有时间再补)
1.斜率优化
很奇怪我最开始接触的竟然是这个效率最高的但适用性最窄的优化具体来讲,每一个决策可以看做一个二维平面上的点,某两个决策的优劣性可以通过他们之间的斜率得出
并且随着决策的不断进行,我们所用来比较的斜率也是单调变化的
这样我们就可以把决策点做成一个凸包,用单调队列维护就可以了
2.CDQ分治
既然我们已经知道了决策时单调的,如果我们一个决定决策的复杂度不高,并且不依赖于其他的决策,那么我们可以分治进行。具体来说,我们每次暴力找出mid处的决策点,然后分治左右区间进行,这样就减少了每次决策的复杂度。
但这种做法的适用性也不高,如果你一个决策的决定依赖于其他决策,那么就GG了。
3.决策单调性
终于讲到我主要想讲的东西了假入我们只知道最简单的一个性质,就是决策单调性,那么我们要怎么做?
我们先来看一个实例:
最开始我们已经确定了1号点的状态,那么全局的决策就变成了:
11111111111111(这里的每个数字表示每个点的决策点)
那么我们就可以得出2号点的状态,接着它对全局的影响:
11111111222222
接下来3号点的状态我们也可以得出,假如它对全局的影响是
11111111222222
33333333333
我们可以发现,最终我们的全局决策会变为:
11133333333333
就是决策2已经没有用了!
做法
维护一个队列,维护当前的每一个决策,相邻的两个决策所能控制的区间相接。那么我们从队尾往前依次比较每一个决策点,如果当前决策在全局看来都比队尾决策优,那么队尾决策就是没有用的,出队。
否则我们就要二分一个转折点,表示从这个转折点开始,新决策比队尾决策优,然后将新决策入队。
这样我们就做到O(n log n)来维护每一个决策点对于全局的影响。
注意如果队头能影响的区间已经决策完了,那么队头出队。
#include<cstdio> #include<cstring> #include<algorithm> #define fo(i,a,b) for(int i=a;i<=b;++i) #define fd(i,b,a) for(int i=b;i>=a;--i) #define max(x,y) ((x)>(y)?(x):(y)) #define min(x,y) ((x)<(y)?(x):(y)) using namespace std; typedef long long ll; char ch; int read(){int n=0,p=1;for(ch=getchar();ch<'0' || ch>'9';ch=getchar())if(ch=='-') p=-1;for(;'0'<=ch && ch<='9';ch=getchar()) n=n*10+ch-'0';return n*p;} const int N=5e5+5; int n,c; struct node { int l,r,id; node(int _l=0,int _r=0,int _id=0):l(_l),r(_r),id(_id){} }q ; ll s ,f ; ll sqr(ll x){return x*x;} ll calc(int j,int i){return f[j]+sqr(s[i]-s[j]-c);} int find(node p,int i) { int l=p.l,r=p.r+1; while(l<r) { int mid=(l+r)>>1; if(calc(i,mid)<calc(p.id,mid)) r=mid; else l=mid+1; } return l; } void dp() { int head=1,tail=1; q[1]=node(1,n,0); fo(i,1,n) { if(i>q[head].r) ++head; f[i]=calc(q[head].id,i); if(head>tail) q[++tail]=node(i+1,n,i); else if(calc(i,n)<calc(q[tail].id,n)) { while(head<=tail && calc(i,q[tail].l)<calc(q[tail].id,q[tail].l)) --tail; int t=find(q[tail],i); q[tail].r=t-1; q[++tail]=node(t,n,i); } } } int main() { n=read(),c=read();++c; fo(i,1,n) s[i]=s[i-1]+read(); fo(i,1,n) s[i]+=i; dp(); printf("%lld",f ); return 0; }
相关文章推荐
- 浅谈决策单调性在1D1D动态规划中的运用
- 【决策单调性的动态规划】noi2009诗人小G
- 浅谈算法之动态规划
- 洛谷P2900 [USACO08MAR]土地征用Land Acquisition(动态规划,斜率优化,决策单调性,线性规划,单调队列)
- UVA 10529 浅谈期望动态规划末状态转移推导全方程转移
- 用单调性优化动态规划 poj3017
- BZOJ 4145 浅谈状态压缩动态规划背包问题
- BZOJ 1833 浅谈简单数位动态规划
- HDU 2089 浅谈数位动态规划水题
- 运用动态规划思想求解问题的一般思路。
- [NOI2011]Noi嘉年华(动态规划及单调性优化)
- BZOJ 1087 浅谈状态压缩动态规划的转移
- BZOJ 1799 浅谈数位动态规划再进阶
- UOJ#9 浅谈在线仙人球嵌套动态网络路径剖分优化的分支定界贪心剪枝启发式迭代加深人工智能搜索决策算法解决问题
- CodeVS 2245 浅谈二维线段树优化间距限制型LCS动态规划状态转移
- 动态规划--多阶段决策之单向TSP问题
- Luogu 1020 导弹拦截(动态规划,最长不下降子序列,二分,STL运用,贪心,单调队列)
- BZOJ 4318 浅谈期望运算性质及期望动态规划
- BZOJ 2064 浅谈状态压缩动态规划基础及lowbit枚举子集和
- 决策单调性 1D1D优化