决策单调性小结

1D1D动态规划
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dp[i]=min/max{dp[j]+S[i,j]}dp[i] = min/max \{dp[j] + S[i, j]\}dp[i]=min/max{dp[j]+S[i,j]}。

斜率优化
斜率优化是1D1D的一种常见优化方式，一般的套路是先写出$dp$方程，然后对于考虑$i$之前的某个决策$j$和$k$,假设$k$决策优于$j$决策时，能对应得到一个不等式，满足这个不等式就表示$k$决策是优于$j$决策的，并且此时惊奇的发现可以把决策看做平面上的点，不等式也就转化成了斜率的比较。
此时$i$之前的最优决策点一定是在上/下凸壳上。

具体实例
对于斜率式，设$k>j$且$k$和$j$都是i的前置状态， 满足$\frac{y_k-y_j}{x_k-x_j}<f_i$，则说明$k$决策优于$j$决策。
把决策点看做$(xi,yi)$的平面点，那么最优答案一定是在下凸壳上。

1. 当$x和f$单调时，我们可以动态的用单调队列去维护这个下凸壳，每次取队首作为答案，如果x递增，就从队首构造凸包，否则可以从队尾构造凸包。
2. 当$x$单调，而$f$不单调，我们可以在决策点的凸壳上二分。
3. 否则，我们可以cdq分治强行让$x$和$f$都单调，分治的时候左半部分围单调队列围凸壳，右半部分询问答案。

对于树上的问题，可以点分治处理，每次用重心到根的部分去更新重心的子树, 见NOI购票。

四边形不等式优化
对于状态转移方程：
$dp[i,j]=min(dp[i][k-1]+dp[k][j])+w[i,j];(i<=k<=j),min$才满足要求。
四边形不等式决策单调性
当函数$w[i,j]$满足$w[a,c]+w[b,d]\le w[b,c]+w[a,d]$ 且$a<b<c<d$ 时，我们称$w[i,j]$满足四边形不等式单调
当函数$w[i,j]$满足$w[i,j]\le w[i^{\prime },j^{\prime }],i^{\prime }\le i<j\le j^{\prime }$ 时，称$w$关于关于区间包含关系单调。
于是有以下三个定理
定理一：如果w同时满足四边形不等式和决策单调性 ,则dp也满足四边形不等式
定理二：当定理一的条件满足时，让$dp[i,j]$取最小值的$k$为$K[i,j]$，则$K[i,j-1]\le K[i,j]\le K[i+1,j]$
定理三：$w$为凸当且仅当$w[i,j]+w[i+1,j+1]\le w[i+1,j]+w[i,j+1]$
由定理三知, 判断$w$是否为凸即判断 $w[i,j+1]-w[i,j]$ 的值随着i的增加是否递减
于是求$K$值的时候$K[i,j]$只和$K[i+1,j]$ 和 $K[i,j-1]$有关。

对于这方面的资料国内相对比较少，大多数的人只知道凸四边形不等式优化，凹四边形不等式优化更加麻烦一些…有兴趣的同学可以google一下台湾的相关资料。

Problem List
贞鱼
玩具装箱toy
货币兑换cash
柠檬
诗人小G
balls
Lightning Conductor
序列分割