关于单调队列优化

单调队列优化

一道题

  我们来看这道神奇的题:CF372C Watching Fireworks is Fun

  题目大意是,一个城镇有 n n n 个区域,从左到右编号为 1 到 n n n ,每个区域之间距离 1 个单位距离。现在城市要举行一个烟花节目,一共有 m m m 个烟花要放,每一个烟花给定一个放的地点 a 1 a_1 a1​,放的时间 t i t_i ti​ 和一个参数 b i b_i bi​,如果此时你所处再 x x x 区域,那么你看到这个烟花就会产生 b i − ∣ a i − x ∣ b_i - \mid a_i - x \mid bi​−∣ai​−x∣ 的和 h a p p y happy happy 值。每个单位时间内,你可以移动不超过 d d d 的距离,你的初始位置是任意的(初始时刻为 1)。请算出你通过一定的移动能获得的最大的 h a p p y happy happy 值。

  我们先来分析一下,一看这道题长得就很想一道动态规划的题,所以我们考虑一个非常朴素的 DP,计 F i , j F_{i, j} Fi,j​ 表示在第 i i i 个烟花的时候,你的位置是 j j j 的最大 h a p p y happy happy 值。那么我们有:
F i , j = max ⁡ k ∈ [ j − d Δ t , j + d Δ t ] { F i − 1 , k + b [ i ] − ∣ a i − j ∣ } ( Δ t = t [ i ] − t [ i − 1 ] ) F_{i, j} = \max_{k \in [j-d\Delta t, j+d \Delta t]}\lbrace F_{i-1, k} + b[i] - \mid a_i - j \mid \rbrace \quad (\Delta t = t[i]-t[i-1]) Fi,j​=k∈[j−dΔt,j+dΔt]max​{Fi−1,k​+b[i]−∣ai​−j∣}(Δt=t[i]−t[i−1])

  我们要的答案就是 max ⁡ i = 1 n { F i , m } \max\limits_{i=1}^n\{ F_{i,m} \} i=1maxn​{Fi,m​},朴素的 DP 方程还是很好推的qwq。 那么我们这样做出来的时间复杂度就是 O ( m n 2 ) O(mn^2) O(mn2),显然时间上是过不了所有数据的,而且空间上开一个这样的数组: F [ 300 ] [ 150000 ] F[300][150000] F[300][150000] 也是存不下的。这时候我们就要考虑怎么优化一下算法了。

优化

  我们稍微把刚才的方程变一下形,就变成了这样:
F i , j = max ⁡ k ∈ [ j − d Δ t , j + d Δ t ] { F i − 1 , k } + b [ i ] − ∣ a i − j ∣ ( Δ t = t [ i ] − t [ i − 1 ] ) F_{i, j} = \max_{k \in [j-d\Delta t, j+d\Delta t]}\lbrace F_{i-1, k} \rbrace + b[i] - \mid a_i - j \mid \quad (\Delta t = t[i]-t[i-1]) Fi,j​=k∈[j−dΔt,j+dΔt]max​{Fi−1,k​}+b[i]−∣ai​−j∣(Δt=t[i]−t[i−1])

  我们会发现,后面那一坨东西其实根我们在转移的时候枚举的 k k k 是无关的,所以我们把这个东西提出来放到后面。这样的话我们就能发现,其实 F i , j F_{i, j} Fi,j​ 的值只和 max ⁡ k ∈ [ j − d Δ t , j + d Δ t ] { F i − 1 , k } \max\limits_{k\in[j-d\Delta t,j+d\Delta t]}\{F_{i-1, k}\} k∈[j−dΔt,j+dΔt]max​{Fi−1,k​} 有关系。一个很自然的想法就是说用线段树来维护这个区间最大值,这样时间复杂度就是 O ( n m log ⁡ n ) O(nm\log n) O(nmlogn) 了。但是再一看数据范围,还是过不了。所以我们只能想办法把这玩意儿优化成 O ( 1 ) O(1) O(1) 的。

单调队列

  那我们来考虑如何实现 O ( 1 ) O(1) O(1) 查询这个东西,如果做过 滑动窗口 luoguP1886 滑动窗口 这道题的同学肯定就能想到利用单调队列来解决这个问题。

  具体的做法也很简单。我们发现,每次我们查询的区间的长度其实都是一样的,只是每次查询最值的时候整个查询区间会向右移一格(就像一个长度一定的窗口在数组上每次往右移一格一样)。这样的话就可以很好地利用单调队列完成这个操作。我们以这样一个数列来举例(我们假设每次查询的区间长度为3): { 3 , 7 , 2 , 5 , 4 , 6 , 1 , 9 , 8 } \{ 3, 7, 2, 5, 4, 6, 1, 9, 8 \} {3,7,2,5,4,6,1,9,8}

  第一次查询:如下图,我们用 h h h 代表队列的头指针, t t t 代表队列的尾指针。然后窗口中现在只有一个数 3,所以队列里面就只有一个数 3。这次查询的最大值就是队首 3。
关于单调队列优化

  第二次查询:窗口中已经有了两个数 3 和 7,7 > 3,所以最大值一定是 7,我们就把 3 从队首直接出队,然后把 7 从队尾入队。这次查询的最大值就是队首 7。
关于单调队列优化

  第三次查询,窗口里有 3 个数 3、7、2 了,新增了一个数 2,因为 2 < 7 所以它不可能是最大值,但是它有可能称为后面询问的最大值(如果它后面的两个值都比它小那他就是下下次询问的最大值)。所以我们把它从队尾入队。这次查询的最大值仍然是队首 7。
关于单调队列优化

  第四次查询,窗口里的数是 7、2、5,新增进来的数 5 > 2 所以 2 已经不可能成为最大值了,于是我们把 2 从队尾出队,5 < 7 但是它有可能成为后面询问中的最大值,所以我们把 5 从队尾入队。本次查询的最大值还是队首 7。
关于单调队列优化

  第五次询问,窗口里的数分别为 2、5、4。7 已经不在窗口里了,所以把 7 从队首出队,然后看 4,4 < 5 它不是现在的最大值,但是有机会成为最大,所以我们把 4 从队尾入队。然后这次查询的最大值就是队首 5。
关于单调队列优化
  第六次查询,窗口里的数是 5、4、6,这一次不在窗口里的数是 2,因为它本来就不在队列里,所以就不用管它了,然后新增进来的数 6 > 4,所以 4 不可能是最大了,就把 4 从队尾出队。然后再比较 6 > 5,所以 5 也不可能是最大值了,所以把 5 从队尾出队,然后把 6 从队尾入队。这次查询的最大值就是队首 6。
关于单调队列优化
  第七次查询,现在在窗口里的数为 4、6、1,这次出去的是 5,5 本来就不在队列里,所以不管,然后新加进来的数是 1,1 < 6 所以它不是最大值,但是他可能成为以后询问中的最大,所以把 1 从队尾入队。这次查询的最大值是队首 6。
关于单调队列优化
  第八次查询,窗口里的数为 6、1、9,这次离开窗口的数是 4,然而 4 本来就不在队列里,所以不管它,然后新加进来的数是 9,9 > 1,所以 1 已经不可能是最大了,所以把 1 从队尾出队。然后继续比较 9 > 6,所以 6 也不可能是最大,所以把 6 从队尾出队,然后把 9 从队尾入队。这次询问的最大值是队首 9。
关于单调队列优化
  第九次询问,窗口里的数是 1、9、8,离开窗口的是 6,队列里没有 6,所以不管它。然后新增进来的是数 8,8 < 9 所以它不是现在的最大但是可能成为后面几次询问的最大,所以把 8 从队尾入队。这次询问的最大值是队首 9。
关于单调队列优化
  第十次询问,现在窗口里两个数 9、8,离开窗口的数是 1,但它不在队列里,所以不管。然后没有新增进来的数了,所以队列不变,这次询问的最大值是队首 9。
关于单调队列优化
  最后一次询问,窗口里只剩下一个数 8,离开窗口的数是 9,他在队列里,所以把它从队首出队,然后这次询问的最大值就是队首 8。
关于单调队列优化
  现在让我们来总结一下上面维护单调队列的的流程:

  1. 处理这次查询离开查询区间的数,如果它本来就不在队列里,那就不管,如果它在队列里,就让它从队首出队。
  2. 然后处理新加进来的数 x x x,如果 x > x > x> 队尾的数,那么让队尾的数出队,然后继续让 x x x 和队尾的数进行比较,如果队尾的数还是比它小,那就继续让队尾的数出队,直到队尾的数比它大或者队列为空。然后就是如果 x < x < x< 队尾是数,那么就让 x x x 从队尾入队。
  3. 每次查询的最大值就是队首的数。

滚动数组

  现在时间复杂度的问题已经解决了,那么还有空间复杂度的问题,我们开一个这样的数组: F [ 300 ] [ 150000 ] F[300][150000] F[300][150000] 显然是不现实的,所以我们再仔细看看我们的方程;
F i , j = max ⁡ k ∈ [ j − d Δ t , j + d Δ t ] { F i − 1 , k } + b [ i ] − ∣ a i − j ∣ ( Δ t = t [ i ] − t [ i − 1 ] ) F_{i, j} = \max_{k \in [j-d\Delta t, j+d\Delta t]}\lbrace F_{i-1, k} \rbrace + b[i] - \mid a_i - j \mid \quad (\Delta t = t[i]-t[i-1]) Fi,j​=k∈[j−dΔt,j+dΔt]max​{Fi−1,k​}+b[i]−∣ai​−j∣(Δt=t[i]−t[i−1])

  我们发现, F i , j F_{i, j} Fi,j​ 的值只和 F i − 1 , k F_{i-1,k} Fi−1,k​ 的值有关系 (其实前面已经发现过一遍了qwq),也就是说在计算到 F i , x F_{i,x} Fi,x​ 的时候,我们只需要前一行的数据二从 F 1 , k F_{1, k} F1,k​ 到 F i − 2 , k F_{i-2,k} Fi−2,k​ 的所有数据已经都没有用了,我们完全可以不用浪费一些空间来专门存储它们。所以我们参考一下把二维背包转化成一维背包的做法。只用一个 F [ 150000 ] F[150000] F[150000] 来存储转移需要的信息。但是还有个问题,就是我们也要维护 F F F 数组上一行的单调队列,所以我们必须存有 F F F 数组上一行的全部信息,而不是像背包一样直接把某一部分信息给覆盖掉。所以我们开一个 F [ 2 ] [ 150000 ] F[2][150000] F[2][150000] 就可以了。每次新的 F i , k F_{i,k} Fi,k​ 只要存在和上一行不同的行数中就可以了。

代码

  有时间再写吧qwq。

上一篇:2021杭电多校第一场


下一篇:shell脚本快速入门