动态规划之——矩阵链乘法

在《算法导论》第二版中,(P197),关于动态规划的算法,这个动态规划解决的是矩阵链乘法的加括号的问题。给定由n个要相乘的矩阵构成的序列,要计算乘积

   

最小的相乘次数。算法与《装配线调度》有一些不同点。每一个状态m[i][j]的值不是仅与前两个有关,而是与1~n的值都有关。所以前面所有的值在求最终的值时都会被用到。算法导论中的矩阵看起来真是难受,这个也是因人而异吧,倒过来的矩阵总是看起来怪怪的,还是自己画原始的图看起来舒服。但是作者的意图是为了让人感受到这里面递归和迭代的过程。

                                           

我们都是先求数组坐标   (0,1)          然后再求:(0,2)          (0,3)         (0,4)       (0,5)

                                         (1,2)                          (1,3)          (1,4)          (1,5)

                                       (2,3)                          (2,4)          (2,5)

                                       (3,4)                          (3,5)

                                       (4,5)

这样可以看出:每个行都是从零开始,每个列都是依次递增。所以这样可以组织代码:

#include "stdafx.h"
#include <iostream>
using namespace std;

int const NUM_MTRIX = 6;      //矩阵的数量

void printArray( int arr[], int length )
{
	for ( int i = 0; i < length; ++i )
	{
		cout<<arr[i]<<" ";
	}
	cout<<endl;
}

int _tmain(int argc, _TCHAR *argv[])
{
	int P[7] = { 30, 35, 15, 5, 10, 20, 25 };
	int min[NUM_MTRIX][NUM_MTRIX];

	for ( int i = 0; i < NUM_MTRIX; ++i )
	{
		min[i][i] = 0;  //将对角线元素全部赋值为0
	}


	for ( int col = 1; col < NUM_MTRIX; ++ col )
	{
		int row = 0;
	
		for ( int tmpCol = col; tmpCol < NUM_MTRIX ; tmpCol++ )
		{
			min[row][tmpCol] = INT_MAX;
            
			for ( int k = row; k < tmpCol; ++k)
			{
				int tmpMin = min[row][k] + min[ k +1 ][tmpCol] + P[ row ]* P[ k +1  ]*P[ tmpCol +1 ];
				if ( tmpMin < min[row][tmpCol] )
					min[row][tmpCol] = tmpMin;
			}
           
			++row;

		}
	}

	cout<<min[0][5]<<endl;

}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划矩阵乘法问题是指给定一系列矩阵解它们相乘的最少乘法次数。根据引用\[2\]中的解释,我们可以使用一个二维数组m来表示矩阵相乘所需要的最少乘法次数。其中,m\[i, j\]表示从矩阵i到矩阵j相乘所需要的最少乘法次数。 根据引用\[3\]中的思路,当只有一个矩阵时,乘法次数为0;当有两个矩阵时,乘法次数为矩阵行列直接相乘的结果。对于三个及以上的矩阵,我们可以通过动态规划的方式来解最少乘法次数。 具体的动态规划算法如下: 1. 初始化二维数组m的对角线元素为0,表示只有一个矩阵时的乘法次数为0。 2. 从长d=2开始,逐步增加长,计算m\[i, j\]的值。对于每个长d,遍历所有可能的分割点k,计算m\[i, j\]的值。具体计算方式为:m\[i, j\] = min{m\[i, k\] + m\[k+1, j\] + a\[i\]*a\[k\]*a\[j+1\]},其中a\[i\]表示第i个矩阵的行数,a\[j+1\]表示第j+1个矩阵的列数。 3. 最终,m\[1, n\]即为所的最少乘法次数,其中n为矩阵的长度。 通过以上算法,我们可以得到矩阵相乘的最少乘法次数。这个问题的动态规划解法可以有效地减少重复计算,提高计算效率。 #### 引用[.reference_title] - *1* *2* *3* [动态规划——矩阵相乘](https://blog.csdn.net/Wu_L7/article/details/124327310)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值