【C】基础级算法（2）：动态规划（DP）【长文】

导引

若有一矩阵链，其中每两个相邻矩阵均可乘，如何选择运算次数最少的方案进行矩阵的相乘？
比如：A=（10x100），B=（100x5），C=（5x50）
我们知道，mxn矩阵和nxp矩阵相乘，所得到的矩阵为mxp，结果矩阵当中每一个数都是由n组乘法相加得来的。由于乘法比之加法更为复杂，且变换矩阵结合顺序并不影响加法次数，我们得出：
只要研究乘法次数最少的矩阵连乘方案，就得到了最优的结果。
计算此矩阵连乘有以下几种方案：
（AB）C：先100组乘法，构50个数；后5组乘法，构500个数。乘法共7500组。
A（BC）：先5组乘法，构5000个数；后100组乘法，构500个数。乘法共75000组。
乘法结合顺序决定了矩阵相乘的复杂度。
算法典例：矩阵连乘问题
这个问题可以采用动态规划的一个重要特性是：若最终得到了唯一最优的分割，其中A[1…k]、A[k+1…n]被断开，那么A[1…n]最优运算次序（最终的解）包含的两个段A[1…k]是最优的，A[k+1…n]也是最优的。同样的，A[1…k]的分割情况就变成了和上述一模一样的子问题求解，其分割的两块子段也分别最优。
最优解的结构是同样最优的子解构成，这称为最优子结构性质。这是能够用动态规划解决的问题的最显著的一个特征。

由于动态规划的思想仅仅是针对子结构最优的问题，随着子问题结构的丰富，动态规划的应用也相当广泛。利用动态规划算法可以解决一系列经典问题：
矩阵连乘问题
迷宫问题
最长公共子序列问题
最大子段和
凸多边形最优三角剖分
图像压缩问题
电路排线问题
流水作业调度
0-1背包问题
最优二叉搜索树

I.矩阵连乘问题

抽象问题为：
矩阵连乘A[1…n]，其中Ai是li * ri矩阵；
一个实例是：
A1：30 * 35 A2：35 * 15 A3：15 * 5 A4：5 * 10 A5：10 * 20 A6：20 * 25
取二维数组m[n+1][n+1]用于存储探索结果。m[i][j]存储A[i…j]的最优解。那么在定义之初我们立刻可以获知：
m[i][i]=0，因为矩阵自身不需要相乘。
m[i][i+1]总是可以立即计算的。例如A2：35 * 15 A3：15 * 5 ，则m[2][3]=35 x 15 x 5=2625
那么m[i][i+2]是进一步可以考虑计算的，从而在矩阵上一对角线、一对角线地由中央向右上角求解（最后得到）m[1][n]
m[i][j]的计算过程是：在i到j之间选取一切k，将之分割成

则m[i][j]=m[i][k]+m[k+1][j]+inner，其中

并在这些k的取值当中选取最小的取值。
这样就完成了递归关系建立。从而我们也能够填写整个m[][]表：

如果我们要寻求的是最优的连乘顺序，只需要查找