（原来的题解没得了，只好重写一份）
斜率优化一般是，(dp) 是枚举一个 (i)，然后前面找一个 (j)，式子中有些和 (j) 有关，有些和 (i) 有关，有些和俩都有关。
过程中，我们维护一个单调队列，它们可能作为最优的转移位置。其中队首是最优的，其它的是 可能 成为最优的（现在不是，可能以后）
核心步骤：把每个决策转化成平面直角坐标系上的点，然后从几何的角度考虑哪些点可能是最优的，哪些不可能。
我们发现这个性质好像很妙。所以说，不是所有题都可以斜率优化的。
这些说的肯定非常迷惑，看个实际的
示例
最经典的入门题 HNOI2008玩具装箱
转移方程为 (f_i=min(f_j+(s_i-s_j+i-j-L-1)^2))，非常 simple
我们令和 (i) 有关的为 (a_i=s_i+i)，和 (j) 有关的为 (b_j=s_j+j+L+1)
那 (f_i=min(f_j+(a_i-b_j)^2))
拆开 (f_i=min(f_j+a_i^2-2a_ib_j+b_j^2))
假设 (j) 是最优的那个转移，那
(f_i=f_j+a_i^2-2a_ib_j+b_j^2)
这个式子里面，注意到 (2a_ib_j) 这一项是同时与俩有关的。
主体思想
我们把和 (i) 有关的那个 (2a_i) 看成斜率，和 (j) 有关的 (b_j) 看成 (x)。那 (y) 肯定也要和 (j) 有关，移到右边。我们的主体思想是把 (f_i) 变成一个截距。所以把 (f_i) 和一些只和 (i) 有关的东西放到左边。
（这一步就体现出“斜率”了）
变成 (2a_ib_j+f_i-a_i^2=b_j^2+f_j)。其中 (x=b_j)，(y=b_j^2+f_j)。
令 (P_j) 作为第 (j) 个决策点，坐标为 ((b_j,b_j^2+f_j))。
那现在问题转化成了：找到一个 (j<i)，使得过点 (P_j) 的斜率为 (2a_i)（定值）的直线的截距加上 (a_i^2)（定值）最小。
手画几张图可以得出以下结论：
- 如果队首的斜率 (<2a_i)，那这一次转移队首就比队首的下一个要劣（画图发现）；而且 (a_i) 是单增的，那以后肯定都劣，直接弹队首
- 斜率应该是单调递增的 （这个要手画了）。所以如果新来的和原队尾组成的斜率，小于原队尾和原队尾上一个的斜率，那这个队尾就废了
然后就维护一个单调队列就完事了。复杂度是 (O(n)) 的，(log) 都不带。