首先不难看出一个暴力的 (dp) 解法，考虑令 (dp_{i, j}) 表示考虑完前 (i) 个矩形，第 (i) 个矩形左端点在 (j) 时所需要的最小花费。
不难有转移：
继续考虑对上面这个 (dp) 进行优化，可以发现的是，这个 (dp) 本质上是在对之前的某个区域取 (min) 然后再加上一个之和每个位置有关的绝对值函数。
看起来十分抽象，那么我们可以考虑把抽象问题具体化，将 (dp_i) 看作是一个关于 (j) 的函数，再来考虑一下转移。
从初始的 (i = 1) 开始考虑，不难发现 (dp_1) 就是 (y = |j - l_1|) 这样一个绝对值函数。
再来考虑 (i = 2) 的情况，可以发现前一步取 (min) 本质上是将这个绝对值函数的左段向左平移了 (r_i - l_i)，右段向右平移了 (r_{i - 1} - l_{i - 1})，中间用一段斜率为 (0) 的线段接起来。
再来考虑加入 (|j - l_i|) 这个绝对值函数，不难发现图像的变化需要分三种情况，但整体的变化方式都是确定的，即 ：
- (l_i) 左边的函数斜率整体 (-1) 右边的函数斜率整体 (+1)，同时斜率变化的点的横坐标不变。
可以发现，这样变化后的图像一定还是一个下凸包。
那么就不难通过归纳证明每次转移的过程都是类似于 (i = 2) 的情况的。
同时，因为每一个函数 (dp_i) 的斜率最大最小值都不会超过 (pm |2i - 1|)，因此我们可以考虑直接维护这些斜率变化的拐点。
为了方便起见，如果在这个拐点斜率变化了 (k)，我们就直接插 (k) 个这个点进去代表斜率变化了 (k) 个 (1)。
首先，因为左右两个函数的平移是不同的，因此我们要分开维护左右两边的断点。
并且，因为函数只是平移，因此我们只需要记录当前平移了多长的距离即可，下面着重来考虑加入一个绝对值函数的过程。
- 当插入的绝对值函数零点在图像斜率为 (0) 的那段上时。
不难发现左边之前的拐点还是拐点，右边亦然。唯一变化的是左边右都会要在 (l_i) 处添加一个拐点。
- 当插入的绝对值函数零点在图像斜率为 (0) 的那段左边时。
不难发现此时左边会在 (l_i) 处添加两个拐点，同时失去最靠右的拐点，右边会得到左边失去的哪个拐点。（注意这里的拐点实际上代表着斜率变化为 (1)，这样就方便地处理掉左边做靠右的直线斜率不为 (-1) 的情况了）
因为需要取出最右边的端点，因此我们需要一个大根堆来维护左边的拐点。
- 当插入的绝对值函数零点在图像斜率为 (0) 的那段右边时。
同理于上一种情况，用小根堆维护右边的拐点。
那么最终的答案是什么呢？
不难发现其实是最终 (dp_n) 斜率为 (0) 的那段函数对应的纵坐标。
但是我们并没有记录每一次的纵坐标，怎么办呢？
你会发现每次斜率为 (0) 的直线位置总是会向右或者向左变化，而这两次斜率为 (0) 的直线中会存在一个交点。
同时因为对于每一层而言，取斜率为 (0) 线段上的点总是最优的。
结合上面那条性质，每次选定一个斜率为 (0) 的线段做为这一层的 (j) 即可，然后计算答案只要计算往下一层斜率为 (0) 交点纵坐标的变化量即可。
#include <bits/stdc++.h>
using namespace std;
#define int long long
#define rep(i, l, r) for (int i = l; i <= r; ++i)
const int N = 1e5 + 5;
int n, l, r, nL, nR, TL, TR, len, ans, lastlen;
priority_queue <int> L;
priority_queue <int, vector <int>, greater <int> > R;
int read() {
char c; int x = 0, f = 1;
c = getchar();
while (c > '9' || c < '0') { if(c == '-') f = -1; c = getchar();}
while (c >= '0' && c <= '9') x = x * 10 + c - '0', c = getchar();
return x * f;
}
signed main() {
n = read(), l = read(), r = read();
L.push(l), R.push(l), lastlen = r - l;
for (int i = 2; i <= n; ++i, lastlen = len) {
l = read(), r = read(), len = r - l, TL += len, TR += lastlen;
nL = L.top() - TL, nR = R.top() + TR;
if(l < nL) ans += nL - l, L.pop(), R.push(nL - TR), L.push(l + TL), L.push(l + TL);
else if(l > nR) ans += l - nR, R.pop(), L.push(nR + TL), R.push(l - TR), R.push(l - TR);
else L.push(l + TL), R.push(l - TR);
}
printf("%lld", ans);
return 0;
}
这种方法被称为 ( m set) 维护函数拐点，经常用与维护一次分段函数的变化问题。