1、矩阵链乘法问题的描述
给定n个矩阵构成的一个链<A1,A2,A3,.......An>,其中i=1,2,...n,矩阵A的维数为pi-1pi,对乘积 A1A2...An 以一种最小化标量乘法次数的方式进行加全部括号。
注意:在矩阵链乘问题中,实际上并没有把矩阵相乘,目的是确定一个具有最小代价的矩阵相乘顺序。找出这样一个结合顺序使得相乘的代价最低。
2、动态规划分析过程
动态规划第一步是寻找一个最优的子结构。假设现在要计算AiAi+1....Aj的值,计算Ai...j过程当中肯定会存在某个k值(i<=k<j)将Ai...j分成两部分,使得Ai...j的计算量最小。分成两个子问题Ai...k和Ak+1...j,需要继续递归寻找这两个子问题的最优解。
假设AiAi+1....Aj的一个最优加全括号把乘积在Ak和Ak+1之间分开,则Ai..k和Ak+1..j也都是最优加全括号的。
设m[i,j]为计算机矩阵Ai...j所需的标量乘法运算次数的最小值,对此计算A1..n的最小代价就是m[1,n]。现在需要来递归定义m[i,j],分两种情况进行讨论如下:
当i==j时:m[i,j] = 0,(此时只包含一个矩阵)
当i<j时:从步骤1中需要寻找一个k(i≤k<j)值,使得m[i,j]=min{m[i,k]+m[k+1,j]+pi-1pkpj}(i≤k<j)。
设矩阵Ai的维数为pi-1pi,i=1,2.....n。输入序列为:p=<p0,p1,...pn>,length[p] = n+1。使用m[n][n]保存m[i,j]的代价,s[n][n]保存计算m[i,j]时取得最优代价处k的值,最后可以用s中的记录构造一个最优解。
动态规划算法的伪代码如下:
DPMaxtix_Chain (p)
2 n = length[p]-1;
3 for i=1 to n do
4 m[i][i] = 0;
5 for t = 2 to n do //t 是矩阵链的长度
6 for i=1 to n-t+1 do
7 j=i+t-1;
8 m[i][j] = MAXLIMIT;
9 for k=i to j-1 do
10 q = m[i][k] + m[k+1][i] + qi-1qkqj;
11 if q < m[i][j] then
12 m[i][j] = q;
13 s[i][j] = k;
14 return m and s;
DPMaxtix_Chain具有循环嵌套,深度为3层,运行时间为O(n^3)
3、递归
int Recursive_Matrix_Chain(int *p, int i, int j, int m[N+1][N+1], int s[N+1][N+1])
{
if(i == j)
m[i][j] = 0;
else
{
int k;
m[i][j] = MaxValue;
for(k=i;k<j;k++)
{
int temp = Recursive_Matrix_Chain(p,i,k,m,s)+Recursive_Matrix_Chain(p,k+1,j,m,s)+ p[i-1]*p[k]*p[j];
if(temp < m[i][j])
{
m[i][j] = temp;
s[i][j] = k;
}
}
}
return m[i][j];
}
如果采用递归进行实现,则需要指数级时间Ω(2^n),因为中间有些重复计算。
4、备忘录 对递归算计的改进,可以引入备忘录,采用自顶向下的策略,维护一个记录了子问题的表,控制结构像递归算法。
int Memoized_Matrix_Chain(int *p, int m[N+1][N+1], int s[N+1][N+1])
{
int i,j;
for(i = 1; i <= N; i++)
for(j = 1; j <= N; j++)
{
m[i][j] = MaxValue;
}
return Lookup_Chain(p, 1, N, m, s);
}
int Lookup_Chain(int *p, int i, int j, int m[N+1][N+1], int s[N+1][N+1])
{
if(m[i][j] < MaxValue)
{
return m[i][j]; //直接返回,相当于查表
}
if(i == j)
{
m[i][j] = 0;
}
else
{
int k;
for(k = i; k < j; k++)
{
int temp = Lookup_Chain(p, i, k, m, s) + Lookup_Chain(p, k+1, j,m, s) + p[i-1] * p[k] * p[j]; //通过递归的形式计算,只计算一次,第二次查表得到
if(temp < m[i][j])
{
m[i][j] = temp;
s[i][j] = k;
}
}
}
return m[i][j];
}
我们可以根据s[i][k]和s[k+1][j]的值递归加括号,算法如下
Print_Optimal_Parens(s, i, j)
if i== j then
print "Ai"
else
print "(";
Print_Optimal_Parens(s, i, s[i][j]);
Print_Optimal_Parens(s, s[i][j]+1, j);
print")";
采用C++语言实现这个过程,现有矩阵A
1
(30×35)、A
2
(35×15)
、
A3(15×5)、A4(5×10)、A5(10×20)、A6(20×25),得到p=<30,35,15,5,10,20,25>。实现过程定义两个二维数组m和s,为了方便计算其第一行和第一列都忽略,行标和列标都是1开始。完整的程序如下所示:
#include <iostream>
using namespace std;
#define N 6
#define MaxValue 1000000
void Matrix_Chain(int *p, int len, int m[N + 1][N + 1], int s[N + 1][N + 1]);
void Print_Optimal_Parens(int s[N + 1][N + 1], int i, int j);
int main()
{
int p[N + 1] = { 30, 35, 15, 5, 10, 20, 25 };
int m[N + 1][N + 1] = { 0 };
int s[N + 1][N + 1] = { 0 };
int i, j;
Matrix_Chain(p, N + 1, m, s);
cout << "m value is: " << endl;
for (i = 1; i <= N; ++i)
{
for (j = 1; j <= N; ++j)
cout << m[i][j] << " ";
cout << endl;
}
cout << "s value is: " << endl;
for (i = 1; i <= N; ++i)
{
for (j = 1; j <= N; ++j)
{
cout << s[i][j] << " ";
}
cout << endl;
}
cout << "The result is:" << endl;
Print_Optimal_Parens(s, 1, N);
return 0;
}
void Matrix_Chain(int *p, int len, int m[N + 1][N + 1], int s[N + 1][N + 1])
{
int i, j, k, t;
for (i = 0; i <= N; ++i)
{
m[i][i] = 0;
}
for (t = 2; t <= N; t++) //当前链乘矩阵的长度
{
for (i = 1; i <= N - t + 1; i++) //从第一矩阵开始算起,计算长度为t的最少代价
{
j = i + t - 1; //长度为t时候的最后一个元素
m[i][j] = MaxValue; //初始化为最大代价
for (k = i; k <= j - 1; k++) //寻找最优的k值,使得分成两部分k在i与j-1之间
{
int temp = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j];
if (temp < m[i][j])
{
m[i][j] = temp; //记录下当前的最小代价
s[i][j] = k; //记录当前的括号位置,即矩阵的编号
}
}
}
}
}
//s中存放着括号当前的位置
void Print_Optimal_Parens(int s[N + 1][N + 1], 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 << ")";
}
}
111