动态规划——矩阵连乘积

矩阵乘法基础

对于$p\times q$矩阵$A$和$q\times r$矩阵$B$，$A\times B$需要$p\times q\times r$次乘法计算（模拟矩阵乘法过程易得）

问题描述

矩阵乘法满足结合律，我们可以通过加括号的方式改变矩阵乘法的计算次序。问何种计算次序（加括号的方式），使得计算矩阵连乘积所需的数乘次数最少。

穷举法复杂度分析

穷举法递推关系如下：

贪心策略

沿着先把大维数消除，达到最少乘法运算次数的贪心策略是错误的，例题中$A_4{A}_5$没有结合起来先运算说明了这一点。

动态规划求解

将矩阵连乘积$A_i{A}_{i+1}\dots A_j$简记为$A[i:j]$，这里$i\le j$
我们设其中一种加括号方式为：$(A_i{A}_{i+1}\dots A_k)(A_{k+1}{A}_{k+2}\dots A_j)$
则该加括号方式的计算量为

两种情况讨论

• 当$i==j$时，$A[i:j]=A_i$，因此，$m[i,i]=0，i=1,2,\dots ,n$
• 当$i<j$时，$m[i,j]=m[i,k]+m[k+1,j]+p_{i-1}{p}_k{p}_j$，其中$A_i$的维数为$p_{i-1}\times p_i$

根据以上讨论，得到下列递推式：

求解最优解（由短序列到长序列，枚举$k$所在位置的过程）
计算次序如下图所示：

求解最优加括号方案
在每次计算最优解表格的基础上，额外开一个相同大小的表格记录该最优解对应的$k$值的位置，$k$为$A[i:k]$中的边界$k$值

例题如下：

复杂度分析

• 时间复杂度：因为要枚举序列长度（从短序列到长序列），枚举序列起点（不用枚举序列终点，因为起点和长度确定了，终点也就确定了），枚举$k$值，一共3层枚举。因此计算时间上界为$O(n^3)$
• 空间复杂度：$m[i][j]$为一个2维表格，因此空间复杂度为$O(n^2)$