最优矩阵链乘

简介: 一.问题描述     与分治法不同的是动归的子问题间不是相互独立的,前一个往往为后一个提供信息。    看下面一个例子,计算三个矩阵连乘{A1,A2,A3};维数分别为10*100 , 100*5 , 5*50   按此顺序计算需要的次数((A1*A2)*A3):10X100X5+10X5X50=7500次   按此顺序计算需要的次数(A1*(A2*A3)):10X5X50+10X100X50=75000次     所以问题是:如何确定运算顺序,可以使计算量达到最小化。

一.问题描述  

  与分治法不同的是动归的子问题间不是相互独立的,前一个往往为后一个提供信息。 

  看下面一个例子,计算三个矩阵连乘{A1,A2,A3};维数分别为10*100 , 100*5 , 5*50   按此顺序计算需要的次数((A1*A2)*A3):10X100X5+10X5X50=7500次   按此顺序计算需要的次数(A1*(A2*A3)):10X5X50+10X100X50=75000次  

  所以问题是:如何确定运算顺序,可以使计算量达到最小化。  

二.问题分析

  枚举显然不可,如果枚举的话,相当于一个“完全加括号问题”,次数为卡特兰数,卡特兰数指数增长,必然不行。  

  令m[i][j]表示第i个矩阵至第j个矩阵这段的最优解。 显然如果i=j,则m[i][j]这段中就一个矩阵,需要计算的次数为0;如果i>j,则m[i][j]=min{m[i][k]+m[k+1][j]+p[i-1]Xp[k]Xp[j]},其中k,在i与j之间游荡,所以i<=k<j ;

  注意的问题:计算顺序!!!   因为你要保证在计算m[i][j]查找m[i][k]和m[k+1][j]的时候,m[i][k]和m[k+1][j]已经计算出来了。

  下面采用记忆化搜索实现。

三.程序实现

  

 1 #include <iostream>   
 2 using namespace std;  
 3 const int N = 105;   
 4 int c[N][N],s[N][N],p[N];  
 5 
 6  //根据s[][]记录的各个子段的最优解,将其输出
 7 void traceback(int i,int j)
 8 {
 9     if(i==j)
10         return ;
11     traceback(i,s[i][j]);
12     traceback(s[i][j]+1,j);
13     cout<<"Multiply A"<<i<<","<<s[i][j]<<"and A"<<s[i][j]+1<<","<<j<<endl;
14 }
15  
16 int chain(int i,int j)  
17 {  
18     if(c[i][j]>0)
19         return c[i][j];  
20     if(i==j)
21         return 0; 
22     //初始化 
23     int u=chain(i,i)+chain(i+1,j)+p[i-1]*p[i]*p[j];  
24     s[i][j]=i;  
25     for(int k=i+1;k<j;k++)  
26     {  
27         int t=chain(i,k)+chain(k+1,j)+p[i-1]*p[k]*p[j];  
28         if(t<u)  
29         {  
30             u=t;  
31             s[i][j]=k;  
32         }  
33           
34           
35     }  
36     c[i][j]=u;  
37     return u;  
38 }  
39 int main(int argc, char *argv[])  
40 {  
41     int n,i,j;  
42     cin>>n;  
43     for(i=0;i<=n;i++)  
44     cin>>p[i];  
45     cout<<chain(1,n)<<endl;  
46     traceback(1,n);
47     //while(1);
48     return 0;  
49 }  

 

目录
相关文章
|
6天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
17天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1326 7
|
5天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
298 129
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
4天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
16天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1394 87
|
4天前
|
JavaScript Java 大数据
基于JavaWeb的销售管理系统设计系统
本系统基于Java、MySQL、Spring Boot与Vue.js技术,构建高效、可扩展的销售管理平台,实现客户、订单、数据可视化等全流程自动化管理,提升企业运营效率与决策能力。
|
5天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
284 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
5天前
|
弹性计算 安全 数据安全/隐私保护
2025年阿里云域名备案流程(新手图文详细流程)
本文图文详解阿里云账号注册、服务器租赁、域名购买及备案全流程,涵盖企业实名认证、信息模板创建、域名备案提交与管局审核等关键步骤,助您快速完成网站上线前的准备工作。
232 82
2025年阿里云域名备案流程(新手图文详细流程)