前情提要
是的 我终于回来补坑了
一年了哇 你这个鸽子王
斜率优化版本
今天在复习斜率优化的时候才想起来这个题
定义就不设了 大家想看可以看上面那个原版
怎么斜率优化呢?
我们考虑(i)点是当前的目标状态 (j)点是当前的最优决策
则有如下这个式子
(f_i = i * (cnt_i - cnt_j) - (sum_i - sum_j) + f_j)
拆
(f_i = i * cnt_i - i * cnt_j - sum_i + sum_j + f_j)
根据斜率优化的套路
把和(j)有关的放在左边 (同时和i和j的项放在中间) (只和i有关的放在右边)
(f_j + sum_j = i * cnt_j + f_i - sum_i + i * cnt_i)
(f_j + sum_j)是(y)
(i)是(k)
(cnt_j)是(x)
(f_i - sum_i + i * cnt_i)是(b)
接下来就是常规操作了 对于(i) 在队列中压入(i - m) 维护一个斜率的下凸包即可
代码
#include <cstdio>
#include <algorithm>
const int maxT = 4000105;
int n, m, t, ti, ans = 1e9, l = 1, r, cnt[maxT], sum[maxT], q[maxT], f[maxT];
inline double getSlope(int u, int v) { return (double) (f[v] + sum[v] - f[u] - sum[u]) / (cnt[u] == cnt[v] ? 1e-9 : cnt[v] - cnt[u]); }
int main() {
scanf("%d%d", &n, &m);
for (int i = 1; i <= n; i++) {
scanf("%d", &ti); t = std::max(t, ti);
cnt[ti]++; sum[ti] += ti;
}
for (int i = 1; i < t + m; i++) { cnt[i] += cnt[i - 1]; sum[i] += sum[i - 1]; } // 前缀和.
for (int i = 0; i < t + m; i++) {
if (i - m >= 0) {
while (l < r && getSlope(q[r - 1], q[r]) >= getSlope(q[r], i - m)) { r--; }
q[++r] = i - m; // 把可能成为最优解的推入队列.
}
while (l < r && getSlope(q[l], q[l + 1]) <= i) { l++; } // 把不可能成为最优解的弹出队列.
f[i] = cnt[i] * i - sum[i]; // 特判边界情况.
if (l <= r) { f[i] = std::min(f[i], f[q[l]] + (cnt[i] - cnt[q[l]]) * i - (sum[i] - sum[q[l]])); } // 斜率优化转移.
}
for (int i = t; i < t + m; i++) { ans = std::min(ans, f[i]); }
printf("%d
", ans);
return 0;
}