前言
动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
不同:
适用于动态规划法求解的问题,经分解得到的子问题往往不是互相独立的。
若用分治法来求解这类问题,则分解得到的子问题数目太多,需要耗费指数级的时间。
基本思想:
因为,分解成子问题求解时,有些子问题被重复计算许多次。如果能够保存已经解决的子问题的答案,而在需要时再找出已求得的答案,就可以避免大量的重复计算,从而得到多项式级的计算时间。
为了达到此目的,可用一个表来记录所有已解决的子问题的答案。
不管该子问题以后是否被用到,只要被计算过,就将其结果填入表中。
动态规划算法步骤:
动态规划算法适用于解最优化问题。
(1)找出最优解的性质,并刻画其结构特征。
(2)递归地定义最优值。
(3)以自底向上的方式计算出最优值。
(4)根据计算最优值时得到的信息,构造最优解。
其中,(1)~(3)是基本步骤。
一、矩阵连乘问题
可乘条件
若两个矩阵𝑨_(𝒎×𝒏)×𝑩_(𝒑×𝒒)相乘
需要满足𝒏=𝒑
2、改写为
𝑨_(𝒑×𝒒)×𝑩_(𝒒×𝒓)
乘法次数=𝒑×𝒒×𝒓
𝑨_(𝒑×𝒒)×𝑩_(𝒒×𝒓)=𝑪_(𝒑×𝒓)
3、相乘程序
见3_1.cpp
4、连乘次序影响乘法次数
程序3_1
//P45矩阵连乘问题
#include <iostream>
using namespace std;
void matrixMultiply(int **a, int **b, int **c,int ra,int ca,int rb,int cb)//用二级指针,二维数组动态生成,界限由调用传入(参考P304-305)
{
if(ca!=rb)
error("矩阵不可乘");
for(int i=0;i<ra;i++)//各行
for(int j=0;j<cb;j++)//各列
{
int sum=a[i][0]*b[0][j];//初值
for(int k=1;k<ca;k++)
sum+=a[i][k]*b[k][j];//乘实现累计
c[i][j]=sum;//乘积记入c
}
}
int main()
{
int **a,**b,**c,ra,ca,rb,cb,rc,cc;
ra=2;ca=3;rb=3;cb=2;rc=2;cc=2;
a=new int *[ra];
for(int i=0;i<ra;i++)
a[i]=new int[ca];//动态产生二维数组a,即矩阵a
//用同样的方式生成二维数组b和c