实现矩阵连乘积(动态规划)

简介: 实现矩阵连乘积(动态规划)

实现矩阵连乘积

题目
给定n个矩阵{A1,A2,…,An},其中A(i)与A(i+1)是可乘的,i=1,2…,n-1。如何确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次数最少。

问题分析

算法分析
RecurMatrixChain:A1,A2,…,An可乘。

令A1:p0xp1

A2:p1xp2

A3:p2xp3

......

An:An-1xAn

注:以上数字均为下标

当n=2,A1A2:p0xp1xp2

当n=3,A1A2A3,此时根据矩阵乘法的结合律可分两种情况,去最优解即取要的数乘次数最少的:

A1(A2A3):p1xp2xp3+p0xp1xp3(其中p1xp2xp3是A2A3的数乘次数,p0xp1xp3是p1和A2A3乘积结果后新的矩阵的数乘次数)
(A1A2)A3:p0xp1xp2+p0xp2xp3(其中p0xp1xp2是A1A2的数乘次数,p0xp1xp3是p3和A1A2乘积结果后新的矩阵的数乘次数)
令f(n)为求解矩阵连乘积需要的最少数乘次数

f(n)=min{f(k)+f(n-k)+p0xpkxpn}

f(k)+f(n-k)是拆分,p0xpkxpn是合并

i<=k<j,假设在第k位置上找到最优解,则问题变成了两个子问题(Ai...Ak)(Ak+1...Aj)

用mi表示矩阵连乘的最优值,则初始状态为mi,j,最终状态为m1,n

用si记录断开位置

时间复杂度
p(n)=O(n^3)

代码实现

//重叠子问题的递归最优解
 
//A1 30*35 A2 35*15 A3 15*5 A4 5*10 A5 10*20 A6 20*25
//p[0-6]={30,35,15,5,10,20,25}
#include <iostream>
using namespace std;
int RecurMatrixChain(int i, int j, int **s, int *p); //递归求最优解
void Traceback(int i, int j, int **s); //构造最优解
 
int main() {
    int L = 7;
    int p[L] = {30, 35, 15, 5, 10, 20, 25};
    int **s = new int *[L];
 
    for (int i = 0; i < L; i++) {
        s[i] = new int[L];
    }
 
    cout << "矩阵的最少计算次数为:" << RecurMatrixChain(1, 6, s, p) << endl;
    cout << "矩阵最优计算次序为:" << endl;
    Traceback(1, 6, s);
    return 0;
}
 
int RecurMatrixChain(int i, int j, int **s, int *p) {
    if (i == j)
        return 0;
 
    int u = RecurMatrixChain(i, i, s, p) + RecurMatrixChain(i + 1, j, s, p) + p[i - 1] * p[i] * p[j];
    s[i][j] = i;
 
    for (int k = i + 1; k < j; k++) {
        int t = RecurMatrixChain(i, k, s, p) + RecurMatrixChain(k + 1, j, s, p) + p[i - 1] * p[k] * p[j];
 
        if (t < u) {
            u = t;
            s[i][j] = k;
        }
    }
 
    return u;
}
 
 
 
void Traceback(int i, int j, int **s) {
    if (i == j)
        return;
 
    Traceback(i, s[i][j], s);
    Traceback(s[i][j] + 1, j, s);
    printf("Multiply (A%d and A%d),断开位置是:%d\n", i, j, s[i][j]);
}

执行结果

image.png

动态规划

基本思想
其基本思想是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解,经分解得到子问题往往不是互相独立的

举例

你知道两个1相加等于2,问你三个1相加你是拿前面的两个1相加的结果加上1呢,还是再用1+1+1,你肯定会用前面的那种方法对吧,这就是动态规划,(1+1)就是(1+1+1)的子问题,且并不是相互独立,你得到了(1+1)就好得到(1+1+1)了
相关文章
|
存储 人工智能 算法
秒懂算法 | 矩阵连乘问题
给定n个矩阵{A1,A2,A3,…,An},其中Ai与Ai+1(i=1,2,3,…,n-1)是可乘的。用加括号的方法表示矩阵连乘的次序,不同加括号的方法所对应的计算次序是不同的。
741 0
秒懂算法 | 矩阵连乘问题
|
3月前
|
算法 测试技术 C++
【数学归纳法 组合数学】容斥原理
【数学归纳法 组合数学】容斥原理
|
3月前
|
机器人
动态规划矩阵
动态规划矩阵
27 0
迭代法解决递推问题:数列和,sinx,ex的近似值
迭代法解决递推问题:数列和,sinx,ex的近似值
90 0
|
算法 关系型数据库 MySQL
前缀和和差分和dijkstra算法和二分算法和floyd算法
前缀和和差分和dijkstra算法和二分算法和floyd算法
|
人工智能 算法
【动态规划】矩阵连乘
完全加括号的矩阵连乘积可递归地定义为: • 单个矩阵是完全加括号的 • 矩阵连乘积A是完全加括号的,则A可表示为2个完全加括号的矩阵连乘积B和C 的乘积并加括号,即A=(BC) 设有四个矩阵A, B, C, D ,它们的维数分别是: A = 50*10 B = 10*40 C = 40*30 D = 30*5 总共有五种完全加括号的方式:
296 0
|
人工智能 算法
排序不等式(贪心)
复习acwing算法基础课的内容,本篇为讲解基础算法:贪心——排序不等式,关于时间复杂度:目前博主不太会计算,先鸽了,日后一定补上。
96 0
排序不等式(贪心)
|
机器学习/深度学习 Windows
【组合数学】递推方程 ( 递推方程示例 2 汉诺塔 | 递推方程示例 3 插入排序 )
【组合数学】递推方程 ( 递推方程示例 2 汉诺塔 | 递推方程示例 3 插入排序 )
127 0
|
测试技术
|
存储 算法
矩阵连乘(动态规划)
题目描述:给定n个矩阵{A1,A2,…,An},其中Ai与Ai+1是可乘的,i=1,2 ,…,n-1。如何确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次数最少。
3270 0