This documentation is automatically generated by online-judge-tools/verification-helper
長さ $N$ の列 $A$
長さ $M$ の列 $B$
$C_i \mathrel := \max \limits _ j \lbrace A _ j + B _ {i - j} \rbrace$
で定義される長さ $N + M - 1$ の列 $C$
$( N + M - 1 ) \times N$ 行列 $X$ を以下のように定義する。
$X _ {i , j} \mathrel := A _ j + B _ {i - j}$
ただし、$k \lt 0$ や $M \leq k$ に対する $B _ k$ は、十分小さい値を $B$ の凸性を保つように設定するものとする。
目的は $C _ i = \max \limits _ j X _ {i , j}$ を計算することである。
$B$ が上に凸であることから $X$ は (anti-)monge であり、すなわち totally monotone。よってSMAWK Algorithm を用いると $\Theta ( N + M )$ で計算可能。
#include "algorithm/smawk.cpp"
#include "other/int_alias.cpp"
#include <vector>
template <class T>
std::vector<T> concave_max_plus_convolution(const std::vector<T> &a,
const std::vector<T> &b) {
const usize n = a.size();
const usize m = b.size();
const auto get = [&](const usize i, const usize j) {
return a[j] + b[i - j];
};
const auto select = [&](const usize i, const usize j, const usize k) {
if (i < k)
return false;
if (i - j >= m)
return true;
return get(i, j) <= get(i, k);
};
const std::vector<usize> amax = smawk(n + m - 1, n, select);
std::vector<T> c(n + m - 1);
for (usize i = 0; i != n + m - 1; i += 1)
c[i] = get(i, amax[i]);
return c;
}
/**
* @brief Concave Max Plus Convolution
* @docs docs/concave_max_plus_convolution.md
*/
#line 2 "other/int_alias.cpp"
#include <cstddef>
#include <cstdint>
using i32 = std::int32_t;
using i64 = std::int64_t;
using u32 = std::uint32_t;
using u64 = std::uint64_t;
using isize = std::ptrdiff_t;
using usize = std::size_t;
#line 2 "algorithm/smawk.cpp"
#include <functional>
#include <numeric>
#include <vector>
template <class Select>
std::vector<usize> smawk(const usize row_size, const usize col_size,
const Select &select) {
using vec_zu = std::vector<usize>;
const std::function<vec_zu(const vec_zu &, const vec_zu &)> solve =
[&](const vec_zu &row, const vec_zu &col) -> vec_zu {
const usize n = row.size();
if (n == 0)
return {};
vec_zu c2;
for (const usize i : col) {
while (!c2.empty() && select(row[c2.size() - 1], c2.back(), i))
c2.pop_back();
if (c2.size() < n)
c2.push_back(i);
}
vec_zu r2;
for (usize i = 1; i < n; i += 2)
r2.push_back(row[i]);
const vec_zu a2 = solve(r2, c2);
vec_zu ans(n);
for (usize i = 0; i != a2.size(); i += 1)
ans[i * 2 + 1] = a2[i];
usize j = 0;
for (usize i = 0; i < n; i += 2) {
ans[i] = c2[j];
const usize end = i + 1 == n ? c2.back() : ans[i + 1];
while (c2[j] != end) {
j += 1;
if (select(row[i], ans[i], c2[j]))
ans[i] = c2[j];
}
}
return ans;
};
vec_zu row(row_size);
std::iota(row.begin(), row.end(), 0);
vec_zu col(col_size);
std::iota(col.begin(), col.end(), 0);
return solve(row, col);
}
/**
* @brief SMAWK Algorithm
* @docs docs/smawk.md
*/
#line 3 "algorithm/concave_max_plus_convolution.cpp"
#line 5 "algorithm/concave_max_plus_convolution.cpp"
template <class T>
std::vector<T> concave_max_plus_convolution(const std::vector<T> &a,
const std::vector<T> &b) {
const usize n = a.size();
const usize m = b.size();
const auto get = [&](const usize i, const usize j) {
return a[j] + b[i - j];
};
const auto select = [&](const usize i, const usize j, const usize k) {
if (i < k)
return false;
if (i - j >= m)
return true;
return get(i, j) <= get(i, k);
};
const std::vector<usize> amax = smawk(n + m - 1, n, select);
std::vector<T> c(n + m - 1);
for (usize i = 0; i != n + m - 1; i += 1)
c[i] = get(i, amax[i]);
return c;
}
/**
* @brief Concave Max Plus Convolution
* @docs docs/concave_max_plus_convolution.md
*/