动态规划特点:
①分成许多阶段或多个子问题。
②按顺序求解各个子问题。
③通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。
基本要素:
最优子结构性质:原问题的最优解包含了其子问题的最优解。
子问题重叠性质:每次产生的子问题并不总是新问题,有些子问题被反复计算多次。
步骤:
刻画结构特征。
递归定义最优值。
自底向上地计算出最优值。
构造最优解。
问题描述:矩阵连乘,不同的计算次序,计算量是不同的。
矩阵 和矩阵
的计算次序为5x10x100。
暴力法:
穷举所有加括号的方法,那么所有方案便是一个卡特兰数序列。
算法时间复杂度为2^n,指数阶。
动态规划法:
(1)分析最优解的结构特征
设的最少计算量为c,
的计算量为a,
的计算量为b,
和
相乘的计算量为d。则c=a+b+d。
证明:c最优,则a和b都是最优的。
(2)建立最优值递归式
用m[i][j]记录,的最优值。为获取最优值,需计算 m[i][k]、m[k+1][j] 和 两个矩阵的结果矩阵相乘的次数。
的结果是一个
,
的结果是一个
。
(3)自底向上计算并记录最优值
先计算2个矩阵相乘的最优值,再求3个,直到n个矩阵连乘的最优值。
(4)构造最优解
#include <cstdio>
#include <cstring>
#include <iostream>
using namespace std;
const int msize=100;
int p[msize];
int m[msize][msize],s[msize][msize];
int n;
void matrixchain(){
int i,j,r,k;
memset(m,0, sizeof(m));
memset(s,0, sizeof(s));
for(r=2;r<=n;r++){
for(i=1;i<=n-r+1;i++){
j=i+r-1;
m[i][j]=m[i+1][j]+p[i-1]*p[i]*p[j];
s[i][j]=i;
for(k=i+1;k<j;k++){
int t=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
if(t<m[i][j]){
m[i][j]=t;
s[i][j]=k;
}
}
}
}
}
void print(int i,int j){
if(i==j){
cout<<"A["<<i<<"]";
return;
}
cout<<"(";
print(i,s[i][j]);
print(s[i][j]+1,j);
cout<<")";
}
int main(){
cout<<"请输入矩阵的个数 n: ";
cin>>n;
int i,j;
cout<<"请依次输入每个矩阵的行数和最后一个矩阵的列数: ";
for (i=0;i<=n;i++)
cin>>p[i];
matrixchain();
print(1,n);
cout<<endl;
cout<<"最小计算量的值为: "<<m[1][n]<<endl;
}