矩阵链乘法问题:给定n个矩阵的链<A1,A2,…,An>,矩阵Ai的规模为pi-1*pi(1<=i<=n),求完全括号化方案,使得计算乘积A1A2…An所需标量乘法次数最少
看到这种具有最优子结构的问题,第一时间就应该想到使用动态规划的思想来解决,假设dp[i][j]是Ai…Aj的最小代价括号化子问题,当i==j时是同一矩阵不需要相乘,所以dp[i][i] = 0 ( 1 <= i <= n),使用数组pos[i][j]代表Ai…Aj的分割点,也就是找到一个 k 使得 dp[i][k] + dp[k + 1][j] + pi * pk * pj 的和是所有的 以ki ( i <= ki <= j)为分割点的代价的最小值。
上面的概念可能有些不好理解,举一个简单的例子:
假设有6*8,8*9,9*2的矩阵
那么他们的矩阵链为<6,8,9,2>
dp[1][2]代表第一个和第二个矩阵的最少乘积 = 6*8*9
dp[2][3]代表第二个和第三个矩阵的最少乘积 = 8*9*2
dp[1][3]代表从第一个矩阵到第三个矩阵的最少乘积
那么需要在1和3中间分割,分割 k = 1 (代表(A1(A2A3)),k = 2(代表((A1A2)A3)
∴dp[1][3] = max {
dp[1][1] + dp[2][3] + 6*8*2(也就是chain[j - 1] * chain[k] * chain[end],
dp[1][2] + dp[3][3] + 6*9*2
}
假设我们有矩阵链chain[n] (n = 1,2...),如果我们要计算整个矩阵链的最小乘积次数,那么我们需要先
计算所有矩阵子链的乘积次数的和,也就是我们需要让子链的长度从 2 -> n,在计算长度为i(2<=i<=n - 1)的子链
时,需要从第一个矩阵开始(记为Afirst),加上矩阵子链长度 - 1 到子链的最后一个矩阵Aend,再在这个范围之类
计算Afirst到Aend的最小乘积次数,然后滑动我们的当前子链(长度不变),计算Afirst + 1 到 Aend + 1
的最小乘积次数...以此类推,直到当前子链长度变为总的矩阵链长度,那么此时便可计算出A[1] -> A[n-1]
所需的最小乘积次数
/**
* @param cost 矩阵链
* @return 最优化矩阵乘积的标量乘积次数
* This is a brutal solution
*/
private static int solution(int i, int j, int[] cost){
//平凡case,单个矩阵不做标量乘积
if(i == j){
return 0;
}
int minCost = Integer.MAX_VALUE;
//对于任意的i < j, 假定 i <= k < j 作为矩阵链Ai..j的最优括号化方案
for(int k = i; k < j; k++){
minCost = Math.min(minCost, solution(i, k, cost) + solution(k + 1, j, cost)
+ cost[i - 1] * cost[k] * cost[j]
);
}
return minCost;
}
/**
* @param cost 矩阵链
* @return 最优化括号方案标量乘积次数
* Bottom -> Top solution
* 矩阵链动态规划算法
*/
private static int dpSolution(<