动态规划--斜率优化.docVIP

动态规划优化_斜率优化 先来看一道题(HDU3507): 题意:给出N个单词,每个单词有个非负权值Ci,将k个单词排在一行的费用为(∑Ci)^2+M.求最优方案,使得总费用最小. 我们很容易得到一个O(N^2)的算法: s[i]表示前i个单词的权值和. 先写个东西在这:所有元素非负的数组的前缀和值随下标增加单调递增.后面会用到. f[i]表示将前i个单词排版完毕后的最优值,f[i]=min{f[j]+(s[i]-s[j])^2+M}. 但题目中N的范围是500000.这个算法明显不行.考虑如何优化. 我们固定i,考虑它的两个一般决策点j,k(jk). 记g[pos]=f[pos]+(s[i]-s[pos])^2+M,即i从pos转移的代价. 如果决策点k优于j,那么就有g[k]g[j].展开来: f[k]+(s[i]-s[k])^2+Mf[j]+(s[i]-s[j])^2+M,化简得 f[k]-f[j]+s[k]^2-s[j]^22*s[i]*(s[k]-s[j]) 注意到s[k]s[j],我们在不等式两边除以(s[k]-s[j]). 不等式化为(f[k]-f[j]+s[k]^2-s[j]^2)/(s[k]-s[j])2*s[i]. 方便起见,我们将左边分式的分子分母同时变号. (f[j]-f[k]+s[j]^2-s[k]^2)/(s[j]-s[k])2*s[i]. 可以看到不等式左边与i无关,右边只与i有关.(而且左边像一个两点间的斜率式). 记slope[j,k]=(f[j]-f[k]+s[j]^2-s[k]^2)/(s[j]-s[k]). 好了,现在我们有一个结论. △对于i的两个决策点j,k(jk),决策k优于决策j就等价于slope[j,k]2*s[i]. 换句话说,如果slope[j,k]2*s[i],那么决策k优于j,反之决策j不比k差. 其实我们还可以知道,决策点k永远会比决策点j优.因为对于以后的i,s[i]s[i]slope[j,k]. 因此这里的优劣应该是全局的,而不只限于i. 我们再来考虑三个点j,k,l(jkl)之间的优劣关系. 还是通过斜率: 如果slope[j,k]slope[k,l],我们看看能得到什么. 1.若slope[k,l]2*s[i].那么由之前的结论(△),l比k优. 2.若slope[k,l]2*s[i],则slope[j,k]2*s[i],那么由之前的结论(△),决策j不比k差. 综上,如果slope[j,k]slope[k,l],k是可以淘汰掉的. 我们又得到一个结论. △对于三个决策点j,k,l(jkl),如果slope[j,k]slope[k,l],那么k永远不会成为某个点的最优决策. 现在我们有了这两个结论,怎样来优化呢? 我们可以将决策放到一个队列中,利用以上两个结论剔除无用决策点,达到快速转移的目的. 记队列的头指针为h,尾指针为t. 对于队列的头部,如果slope[q[h],q[h+1]]2*s[i],那么,q[h]一定可以去掉了.h=h+1. 事实上经过这样的调整后,q[h]就是i的最有决策,直接取来更新就是了. 更新出f[i]后,将f[i]从尾部加入队列,并用i去剔除无用决策. 对于队列的尾部,如果slope[q[t-1],q[t]]slope[q[t],i],那么q[t]可以去掉.t=t-1. (这里我是按照我自己写程序的习惯写的,先用i去更新队尾,再加入i.还可以有不同的写法) 顺便说一句,这样维护以后,队列中的点形成一个上凸包(联想上面说的斜率). 程序大致过程 for i=1 to n do begin 当队列不为空时,更新队头; 取当前队头更新f[i]; 用i去更新队尾; 将i加入队尾. end; 可以看到外层循环是O(N)的,内层里每个元素进出队列仅一次,所以总效率为O(N). code:(HDU3507) const oo=1e100; maxn=500001; var s,f:Array[0..maxn] of int64; q:array[0..maxn] of longint; n,m,i,h,t,c:longint; function slope(j,k:longint):extended; begin if s[j]=s[k] then begin if f[j]=f[k] then slope:=-oo else slope:=oo; e