动态规划学习笔记

匹配型 dp

P8321

这个题的第一步转化太巧妙了．将 \(a\) 和 \(b\) 按照从大到小的顺序合并为长度为 \(2n\) 的数组 \(c\)，如果一个元素来自 \(a\) 染红色，否则染蓝色．

问题变成：给定一个长度为 \(2n\) 的数组，有 \(n\) 个红色和 \(n\) 个蓝色，我们可以将一个红色和一个蓝色配对，完成全部 \(n\) 次配对的方案共有 \(n!\) 种，问 \(n!\) 种方案的权值和．好精彩的转化．

具体转移不细写了，上个代码吧．

区间 dp

P3592

先锁定 \([1, n]\) 中最小值 \(v\) 的位置，假设是 \(k\)．那么，对于消费者 \(i\)，只要 \(k \in [a_i, b_i]\)．那么它一定要么会选择在 \(k\) 位置洗车(当 \(c_i \ge v\))，要么不洗(\(c_i < v\))．

将这些消费者抛去，剩下的消费者消费者 \([a_i, b_i]\) 一定要么在 \([1, k - 1]\) 内部，要么在 \([k + 1, n]\) 内部，这形成了子问题，启发我们进行区间 dp.需要注意的是 \(k\) 的条件：\([1, k - 1]\) 和 \([k + 1, n]\) 的最小值一定大于等于 \(k\) 处的值 \(v\)．

设 \(f_{l, r, v}\) 为考虑 \([l, r]\) 内的所有消费者，如果这个区间的最小值为 \(v\)，该区间的最大收益．则

其中，\(c\) 为 \(m\) 个消费者中，满足 \(l \le a_i \le k \le b_i \le r\) 且 \(c_i \ge v\) 的个数．

最后，不难看出最优情况下，所有的 \(v\) 一定是出现过的 \(c_i\)(否则一定可以调整)，所以 \(v\) 一共只有 \(m\) 种，在状态设计的维度中可以直接离散化为 \(1 \sim m\)(当然，在值 \(cv\) 中需要保留)．

dp 优化 - 推式子技巧

P1070

\(f\) 的长度是 \(m\)，\(s\) 的大小 \(n \times m\)，\(a\) 的大小为 \(n\)．\(s\) 的第一维下标范围 \(0 \sim n - 1\)，是 \(\mod n\) 意义下的．目标：将原先 \(\Theta(nm^2)\) 的 dp 优化为 \(\Theta(nm)\)．

• 第一步换元 \(y = x - j\) 的动机：\(s[x + i - j][i]\) 中同时出现了 \(x\)，\(i\)，\(j\) 三个变元，不好．换 \(y = x- j\) 后，最里侧的 \(\max\) 能神奇地做到分成两个部分：一部分 \(s[y + i][i]\) 与 \(j\) 无关，另一部分与 \(i\) 无关．换元可以有效减少变量个数．
• 然后使用了一个套路：交换 \(\max\)．同种 \(\max\) 和同种 \(\min\) 都是可以交换的，即二元函数的最大值或者最小值，求最大值或者最小值的顺序不重要．只有当求鞍点(即一个变元的目标是最大值，另一变元的目标是取最小值)时不可以交换顺序．
• 这里交换 \(\max\) 的意义是什么？答案是把 \(s[y + i][i]\) 提出来，让最里层的 \(\max\) 与 \(i\) 无关．从而，我们可以用滑动窗口维护，因为滑动窗口必须支持所维护的内容与窗口端点无关，因此这里把 \(i\) 从最里层的 \(\max\) 提出动机是如此的．
• 或者也可以说，最里层的 \(\max\) 已经同时包含了 \(j\) 和 \(y\)，此时再包含一个 \(i\) 就不太好了，所以考虑换出来．