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m[1,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。
843 0
秒懂算法 | 矩阵连乘问题
|
7月前
|
存储 算法
二分查找的一种改进-拉格朗日插值查找法
二分查找的一种改进-拉格朗日插值查找法
38 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
127 0
|
算法
贪心算法例题
贪心算法例题
103 0
|
存储 缓存 移动开发
动态规划法
动态规划是在20世纪50年代由美国数学家贝尔曼为研究最优控制问题而提出的,当该方法在应用数学中的价值被大家认同以后,在计算机学界,动态规划法成为一种通用的算法设计技术用来求解多阶段决策最优化问题。
|
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:
332 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。
111 0
排序不等式(贪心)
|
存储 程序员
裴波那契数列(动态规划)
裴波那契数列(动态规划)
裴波那契数列(动态规划)
|
人工智能
Letcode 53. 最大子序和 (动态规划+分治法求解)
Letcode 53. 最大子序和 (动态规划+分治法求解)
131 0
|
测试技术