算法导论------------------动态规划之矩阵链问题

【问题描述】
给定有n个连乘矩阵的维数，要求计算其采用最优计算次序时所用的乘法次数，即所要求计算的乘法次数最少。例如，给定三个连乘矩阵{A1，A2，A3}的维数分别是10*100，100*5和5*50，采用（A1A2）A3，乘法次数为10*100*5+10*5*50=7500次，而采用A1（A2A3），乘法次数为100*5*50+10*100*50=75000次乘法，显然，最好的次序是（A1A2)A3，乘法次数为7500次。

分析：

矩阵链乘法问题描述：

给定由n个矩阵构成的序列[A1，A2，...，An]，对乘积A1A2...An，找到最小化乘法次数的加括号方法。

1）寻找最优子结构

此问题最难的地方在于找到最优子结构。对乘积A1A2...An的任意加括号方法都会将序列在某个地方分成两部分，也就是最后一次乘法计算的地方，我们将这个位置记为k，也就是说首先计算A1...Ak和Ak+1...An，然后再将这两部分的结果相乘。

最优子结构如下：假设A1A2...An的一个最优加括号把乘积在Ak和Ak+1间分开，则前缀子链A1...Ak的加括号方式必定为A1...Ak的一个最优加括号，后缀子链同理。

一开始并不知道k的确切位置，需要遍历所有位置以保证找到合适的k来分割乘积。

2）构造递归解
设m[i,j]为矩阵链Ai...Aj的最优解的代价，则
                 ┌ 0 如果i = j
m[i,j] =

              └ min(i≤k<j) {m[i,k] + m[k+1,j] + p[i-1] * p[k] *p[j] } 如果i<j

3）构建辅助表，解决重叠子问题
从第二步的递归式可以发现解的过程中会有很多重叠子问题，可以用一个nXn维的辅助表m[n][n] s[n][n]分别表示最优乘积代价及其分割位置k 。

辅助表s[n][n]可以由2种方法构造，一种是自底向上填表构建，该方法要求按照递增的方式逐步填写子问题的解，也就是先计算长度为2的所有矩阵链的解，然后计算长度3的矩阵链，直到长度n；另一种是自顶向下填表的备忘录法，该方法将表的每个元素初始化为某特殊值(本问题中可以将最优乘积代价设置为一极大值)，以表示待计算，在递归的过程中逐个填入遇到的子问题的解。

这里我使用c++中容器来解决，一般使用的数组下标带来的问题极其容易出差，还是c++比较方便，解决数组必须用常量来表示数组下标。不废话了，思路自己看算法导论树上的讲解，搞清解决问题原理写出代码就轻而易举。

#include<iostream>
#include<vector>
#include<algorithm>
#include<iterator>
using namespace std;

pair<vector<vector<int>>,vector<vector<int>>> matrix_chain_order(vector<int> p)
{
	int n = p.size();
	vector<vector<int>> m(n, vector<int>(n, 0));//vector的vector相当于数组的数组，即二维数组m[][]
	vector<vector<int>> s(n, vector<int>(n, 0));//同上s[][]

	for (int len = 2; len < n; len++)
	{
		for (int i = 1; i < n - len + 1; ++i)
		{
			int j = i + len - 1;
			m[i][j] = 0x7fffffff;
			for (int k = i; k <= j-1; ++k)
			{
				int q = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j];
				if (q < m[i][j])
				{

					m[i][j] = q;
					s[i][j] = k;
				}
			}
		}
	}

	return make_pair(m, s);
}


//打印最优解
void print_Optimal_Parens(vector<vector<int> > s, int i, int j)
{
	if (i == j)
		cout << "A" << i;
	else
	{
		cout << "(";
		print_Optimal_Parens(s, i, s[i][j]);
		print_Optimal_Parens(s, s[i][j] + 1, j);
		cout << ")";
	}
}

//一般递归方法  
int recursive_matrix_chain(vector<int> p, int i, int j)
{
	int n = p.size();
	vector<vector<int>> m(n, vector<int>(n, 0));
	if (i == j)
		return 0;
	m[i][j] = 0x7fffffff;
	for (int k = i; k < j; k++)
	{
		int q = recursive_matrix_chain(p, i, k) +
			recursive_matrix_chain(p, k + 1, j) + p[i - 1] * p[k] * p[j];
		if (q < m[i][j])
			m[i][j] = q;
	}

	return m[i][j];
}

//带备忘的自顶向下的递归方法实现  
int look_up_chain(vector<vector<int>> m, vector<int> p, int i, int j)
{

	if (m[i][j] < 0x7fffffff)//如果m[i][j]不是无穷大则说明m[i][j]已经被下一层的LookUpChain计算出来
		return m[i][j];
	if (i == j)
		m[i][j] = 0;

	for (int k = i; k < j; k++)
	{
		int q = look_up_chain(m, p, i, k) +
			look_up_chain(m, p, k + 1, j) + p[i - 1] * p[k] * p[j];
		if (q < m[i][j])
			m[i][j] = q;
	}

	return m[i][j];
}

int memoized_matrix_chain(vector<int> p,int s,int e)
{
	int n = p.size();
	vector<vector<int>> m(n, vector<int>(n, 0));
	for (int i = 1; i < n; i++)
	{
		for (int j = i; j < n; ++j)
		{
			m[i][j] = 0x7fffffff;
		}
	}

	return look_up_chain(m, p, s, e);
}


int main()
{
	vector<int> p = { 30, 35, 15, 5, 10, 20, 25 };
	vector<vector<int>> m = matrix_chain_order(p).first;
	vector<vector<int>> s = matrix_chain_order(p).second;

	cout << "vector m:" << endl;
	for (size_t i = 0; i < m.size(); i++)
	{
		copy(m[i].begin(), m[i].end(), ostream_iterator<int>(cout, " "));
		cout << endl;
	}

	cout << "vector s:" << endl;
	for (size_t i = 0; i <s.size(); i++)
	{
		copy(s[i].begin(), s[i].end(), ostream_iterator<int>(cout, " "));
		cout << endl;
	}

	cout << "输出最优解：————>";
	print_Optimal_Parens(s, 1, 6);
	cout << endl;
	cout << "--------------------------------------------------" << endl;;

	vector<vector<int>> m1 = matrix_chain_order(p).first;
	vector<int> p1 = { 30, 35, 15, 5, 10, 20, 25 };

	cout << "普通递归方法求解：";
	cout << recursive_matrix_chain(p1, 1, 6) << endl;

	cout << "带备忘的递归方法求解：";
	cout << look_up_chain(m1, p1, 1, 6) << endl;

}