T1：

　　首先O(n^3)非常好像，O(n)枚举以i点为最高点，于是问题转化为求

min sigma(hj - (x - |i - j|))其中hj为j位置高度，x为钦定i点的高度，x  - |i - j|即为j位置要求高度

　　首先考场上最后想出做法为：利用分块，提取变量x并设k = x - |i - j|

 原式转化为sigma |k - x|，发现讲绝对值函数图像放到坐标系中，则总函数为单峰函数，于是

可以二分x，那么现在问题为如何计算sigam |k - x|，分类讨论k >= x 与 k < x 两种情况，于是

可以利用经典的分块做法：块内排序，在预处理与处理散块时sort维护k的大小关系，查询时

通过lower_bound查询，并通过维护块内前缀和O(1)计算，然而时间复杂度较悬，需要卡常

　　正解同样是利用分类讨论拆绝对值，首先对于i左右两侧分类讨论去掉|i - j|，然后考虑

拆式子观察一下：|hj - j - (x - i)|，|hj + j - (x + i)|，基本思想为同类归并，于是发现问题结构非常

相似，我们只需要维护两部分即可，做法为在i两侧分别建立两棵权值树状数组（离散化维护）

维护前缀和与前缀数量，查询时直接查询即可，i位置移动时，调整两侧树状数组信息即可

　　需要注意要卡下界

　　正解时间复杂度为O(nlog^2n)

　　接下来给出Windzr的神仙做法，时间复杂度为O(nlogn)

　　上述两种做法的核心在于通过推式子，观察出单峰函数的性质，在考虑如何维护整体求值

主要是利用下标与数据结构拆绝对值维护式子

　　Windzr的做法核心在于观察出问题另一关键，即问题要求移动次数最小，那么考虑事实上

移动次数只与基准线上下两侧的方块数有关，而与上下两侧方块高度无关，于是考虑在什么情况下

移动次数最优，显然为上下两侧方块数接近n >> 1时最优，于是同样O(n)枚举i为最高方块位置

设up，down分别为基准线上下两侧方块数，

那么首先卡定下界并Check 此时若down >= up则直接计算答案，否则，根据上述理论

我们设x为基准线还需要向上移动x个方块，那么最优策略显然为：

down + x = up - x，解得：x = up - down >> 1

　　显然通过预处理的排序，我们可以O(1)计算移动位置，那么现在关键点就在于如何Check与计算答案

同样的做法，利用权值类型数据结构维护前缀和与前缀数量，以此Check与计算

　　简言之，Windzr做法核心在于观察出题目的性质，将枚举具体最高高度转化为基准线的移动，省略

了三分的log并且常数较小。 

T2：

　　正解高精度小数，并无意义，问题核心在于观察矩阵填数的规律总结出对数级数学式计算
T3：

　　单调栈原题，转化题意通过李超线段树维护

　　对于单调不降的部分分通过单调指针维护即可，当i劣于i +1时将i出栈即可

T4：

　　问题在于对问题观察于思考不足，n点n边，出度为1，显然为内向基环树森林，

朴素做法显然为枚举所有点作为路径端点向前延伸k的长度，时间复杂度为O(n^2)

O(nlogn)做法为通过倍增优化延伸过程，O(n)做法为考虑要覆盖一个点有k种情况

那么枚举所有经过该点的k条路径即可，时间复杂度O(k * n / k) = O(n)