动态规划求解矩阵连乘问题

问题描述：
给定n个矩阵{A1,A2,…,An}，其中 Ai 与 Ai+1 是可乘的，即相邻的两个矩阵，前面矩阵的列=后面矩阵的行。求计算矩阵连乘积的计算次序，使得计算该矩阵连乘积需要的数乘次数最少。

最优子结构性质：
计算A[i:j]的最优次序所包含的计算矩阵子链A[i:k]和A[k+1:j]的次序也是最优的，即最优解包含着其子问题的最优解，具有最优子结构性质，所以可用动态规划求解。

代码实现如下：

import numpy as np


def matrix_dimensions(n, d):
    m = np.zeros([n + 1, n + 1], dtype=int)
    sel = np.zeros([n + 1, n + 1], dtype=int)
    for i in range(n - 1):  # 遍历趟数
        for j in range(1, n + 1):#要填的表格的行
            min_value = 9999999
            sel_temp = 0
            if j + i + 1 > 6:
                break
            for k in range(j, j + i + 1):#要填的表格的列
                if min_value > (m[j][k] + m[k + 1][j + i + 1] + d[j - 1] * d[k] * d[j + i + 1]):
                    sel_temp = k
                    min_value = m[j][k] + m[k + 1][j + i + 1] + d[j - 1] * d[k] * d[j + i + 1]
            m[j][j + i + 1] = min_value
            sel[j][j + i + 1] = sel_temp
    return m[1:, 1:], sel[1:, 1:]


if __name__ == '__main__':
    n = 6
    dimensions = [30, 35, 15, 5, 10, 20, 25]
    m, sel = matrix_dimensions(n, dimensions)
    print(m, '\n', sel)