矩阵连乘

简介:

矩阵AB可乘的条件是矩阵A的列数等于矩阵B的行数

计算时,加括号方式,对计算量的影响很大

穷举搜索法:来搜索可能的计算次序,并计算出每一种计算次序相应需要的数乘次数,从中找出一种数乘最少的计算次序

                              1 分析最优解的结构                                    

关键特征:计算A[1:n]的最优次序所包含的计算矩阵子链A[1:k]和 A[k+1:n]的次序也是最优的。

                              2 建立递归关系                                          

当i=j时:m[i][j] = 0;

当i<j时,m[i][j] = m[i][k]+ m[k+1][j]+pi-1pkpj

                              3 计算最优值                                            

时间复杂度O(n^3)   空间复杂度O(n^2)

                              4 构造最优解                                            


。。。

代码:

复制代码
#include<iostream>
using namespace std;
const int MAX = 100;
 //p用来记录矩阵的行列,main函数中有说明
 //m[i][j]用来记录第i个矩阵至第j个矩阵的最优解
 //s[][]用来记录从哪里断开的才可得到该最优解
int p[MAX+1],m[MAX][MAX],s[MAX][MAX];
int n;//矩阵个数
 
void matrixChain(){
     for(int i=1;i<=n;i++)
         m[i][i]=0;
 
     for(int r=2;r<=n;r++)//对角线循环
         for(int i=1;i<=n-r+1;i++)
         {    
             //行循环
             int j = r+i-1;//列的控制
             //找m[i][j]的最小值,先初始化一下,令k=i
             m[i][j]=m[i][i]+m[i+1][j]+p[i-1]*p[i]*p[j];
             s[i][j]=i;
             //k从i+1到j-1循环找m[i][j]的最小值
             for(int k = i+1;k<j;k++)
             {
                 int temp=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
                 if(temp<m[i][j])
                 {
                     m[i][j]=temp;
                     //s[][]用来记录在子序列i-j段中,在k位置处
                     //断开能得到最优解
                     s[i][j]=k;
                 }
             }
         }
 }
 
 //根据s[][]记录的各个子段的最优解,将其输出
 void traceback(int i,int j){
     if(i==j)return ;
 
     traceback(i,s[i][j]);
     traceback(s[i][j]+1,j);
     cout<<"Multiply A"<<i<<","<<s[i][j]<<"and A"<<s[i][j]+1<<","<<j<<endl;
 }
 
 int main(){
     cin>>n;
     for(int i=0;i<=n;i++)cin>>p[i];
     //测试数据可以设为六个矩阵分别为
     //A1[30*35],A2[35*15],A3[15*5],A4[5*10],A5[10*20],A6[20*25]
     //则p[0-6]={30,35,15,5,10,20,25}
     //输入:6 30 35 15 5 10 20 25
     matrixChain();
 
     traceback(1,n);
     //最终解值为m[1][n];
     cout<<m[1][n]<<endl;
     return 0;
 }
复制代码

测试结果:

本文转自博客园xingoo的博客,原文链接:矩阵连乘,如需转载请自行联系原博主。
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。
783 0
秒懂算法 | 矩阵连乘问题
|
4月前
|
机器学习/深度学习 存储 人工智能
每日练习之矩阵乘法——斐波那契公约数
每日练习之矩阵乘法——斐波那契公约数
35 0
|
5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
|
5月前
|
存储 算法 Serverless
C++中求根号
C++中求根号
1515 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
109 0
|
算法
质数筛法:朴素素数筛,埃氏筛,欧式筛
质数筛法:朴素素数筛,埃氏筛,欧式筛
145 0
|
人工智能 算法
实现矩阵连乘积(动态规划)
实现矩阵连乘积(动态规划)
114 0
实现矩阵连乘积(动态规划)
|
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。
|
缓存 算法 网络协议
贪心法
贪心法是把一个复杂问题分解为一系列较为简单的局部最优选择,每一步选择都是对当前解的一个扩展,直到获得问题的完整解。贪心法的典型应用是求解最优化问题,而且对许多问题都能得到整体最优解,即使不能得到整体最优解,通常也是最优解的很好近似。
|
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:
315 0