算法分析与实践-作业8-动态规划-矩阵链乘法

1. 问题

A 1 , A 2 , . . . , A n A_1,A_2,...,A_n A1A2...An为n个矩阵的序列,其中A_i为 P i − 1 × P i P_i-1\times P_i Pi1×Pi阶矩阵,这个矩阵链的输入用向量P= < P 0 , P 1 , . . . , P n > <P_0,P_1,...,P_n> <P0P1...Pn>给出。
给定向量P,确定一种乘法次序,使得基本运算的总次数达到最小。

2. 解析

在这里插入图片描述

3. 设计

在这里插入图片描述

4. 分析

T ( n ) = O ( n 3 ) T(n)=O(n^3) T(n)=O(n3)

5. 源码

https://github.com/QAQnoname/homework/blob/master/%E4%BD%9C%E4%B8%9A8/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92-%E7%9F%A9%E9%98%B5%E9%93%BE%E4%B9%98%E6%B3%95.cpp

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
矩阵问题是一个经典的动态规划问题,其目标是找到一种最优的方式来计算给定的一组矩阵的连乘积。这个问题可以通过动态规划算法来解决。 动态规划算法的基本思想是将问题分解成更小的子问题,并使用已知的信息来计算更大的问题。在矩阵问题中,我们可以将问题分解成计算两个矩阵的乘积的子问题,并使用已知的信息来计算更大的问题。 具体来说,我们可以定义一个二维数组m,其中m[i][j]表示从第i个矩阵到第j个矩阵的最小计算代价。我们还可以定义一个二维数组s,其中s[i][j]表示从第i个矩阵到第j个矩阵的最优计算次序。 接下来,我们可以使用以下递归公式来计算m和s: m[i][j] = 0 (i = j) m[i][j] = min{m[i][k] + m[k+1][j] + ri*ck*cm} (i <= k < j) 其中,ri和ci分别表示第i个矩阵的行数和列数,cm表示两个矩阵相乘的计算代价。 使用上述递归公式,我们可以计算出所有的m[i][j]和s[i][j]。最终,我们可以通过s数组来构造出最优的计算次序,并使用m数组来计算最小的计算代价。 下面是一个Python实现的例子: ```python def matrix_chain_order(p): n = len(p) - 1 m = [[0] * n for i in range(n)] s = [[0] * n for i in range(n)] for l in range(2, n+1): for i in range(n-l+1): j = i + l - 1 m[i][j] = float('inf') for k in range(i, j): q = m[i][k] + m[k+1][j] + p[i]*p[k+1]*p[j+1] if q < m[i][j]: m[i][j] = q s[i][j] = k return m, s def print_optimal_parens(s, i, j): if i == j: print("A{}".format(i+1), end='') else: print("(", end='') print_optimal_parens(s, i, s[i][j]) print_optimal_parens(s, s[i][j]+1, j) print(")", end='') p = [30, 35, 15, 5, 10, 20, 25] m, s = matrix_chain_order(p) print_optimal_parens(s, 0, len(p)-2) print("\nMinimum cost:", m[0][len(p)-2]) ``` 输出结果为: ``` ((A1(A2A3))((A4A5)A6)) Minimum cost: 15125 ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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