矩阵链乘法 | Matrix Chain Multiplication | 动态规划 | C/C++实现

问题描述

对于给定的n个矩阵形成的矩阵链$M_1,M_2,M_3,...,M_n$，求计算乘积$M_1{M}_2{M}_3,...M_n$时最少次标量相乘的运算顺序，这类问题称为矩阵链乘法问题(Matrix Chain Multiplication Problem)。

请编写一个程序，当给定矩阵$M_i$的维数后，求出计算n个矩阵的乘积$M_1,M_2,M_3,...,M_n$时所需标量相乘运算的最少次数。

输入： 第1行输入矩阵数n。接下来n行输入矩阵$M_i(i=1...n)$的维数r、c。其中r代表矩阵的行数，c代表矩阵的列数，r、c均为整数，用空格隔开。
输出： 输出最少次数，占1行。
限制：
1 ≤ n ≤ 100
1 ≤ r, c ≤ 100

输入示例

6
30 35
35 15
15 5
5 10
10 20
20 25

输出示例

15125

讲解

$l\ast m$的矩阵A与$m\ast n$的矩阵B相乘后得到$l\ast n$的矩阵C，C的各元素$c_{ij}$可由下面的式子得出。

我们不关心$c_{ij}$的具体值，只希望尽量减少计算过程中的乘法次数。

n个矩阵相乘时，$M_i$为$p_{i-1}$行$p_i$列的矩阵，我们以下图所示的$(M_1{M}_2...M_6)$为例分析。
这戏矩阵乘积有多种计算顺序。我们按习惯的从左到右的顺序计算时可以写作$(((((M_1{M}_2)M_3)M_4)M_5)M_6)$，从右到左计算时可以写作$(M_1(M_2(M_3(M_4(M_5{M}_6)))))$。除此之外还有$(M_1(M_2(M_3{M}_4)(M_5{M}_6)))$等等，计算顺序多种多样。不同顺序计算结果完全相同，但乘法运算次数会有所差异。

处理矩阵链乘法问题时，如果检查所有的运算顺序那么算法复杂度将达到$O(n!)$。不过，这个问题能够分割成更小的局部问题，我们可以运用动态规划法。

首先$(M_1{M}_2)$只有一种计算方法（顺序），需要$p_0\ast p_1\ast p_2$次乘法运算。同理，$(M_2{M}_3)$也只有一种计算方法，需要$p_1\ast p_2\ast p_3$次乘法运算。归纳后可知，$(M_i{M}_{i+1})$只有一种计算方法，需要$p_{i-1}\ast p_i\ast p_{i+1}$次乘法运算。

接下来求$(M_1{M}_2{M}_3)、(M_2{M}_3{M}_4)、...、(M_{n-2}{M}_{n-1}{M}_n)$的最优计算方法。计算$(M_1{M}_2{M}_3)$的最优计算方法时，我们要分别算出$(M_1(M_2{M}_3))$与$((M_1{M}_2)M_3)$的成本，取其中较小的一个作为$(M_1{M}_2{M}_3)$的成本记录在表中。

$(M_1(M_2{M}_3))=(M_1)+(M_2{M}_3)+p_0\ast p_1\ast p_3$
$((M_1{M}_2)M_3)=(M_1{M}_2)+(M_3)+p_0\ast p_2\ast p_3$

这一步用到的$(M_1{M}_2)$和$(M_2{M}_3)$的成本可以直接从表中引用，不需要再进行计算。另外还要注意，当1 ≤ i ≤ n时，$(M_i)$的成本为0。

一般情况，矩阵链乘法$(M_i{M}_{i+1}...M_j)$的最优解就是$(M_i{M}_{i+1}...M_j)(M_{k+1}...M_j)$的最小成本（其中i ≤ k ≤ j）。

例，$(M_1{M}_2{M}_3{M}_4{M}_5)(i=1,j=5时)$的最优解就是下列式子中的最小值。

$(M_1)(M_2{M}_3{M}_4{M}_5)=(M_1)+(M_2{M}_3{M}_4{M}_5)+p_0\ast p_1\ast p_5(k=1时)$
$(M_1{M}_2)(M_3{M}_4{M}_5)=(M_1{M}_2)+(M_3{M}_4{M}_5)+p_0\ast p_2\ast p_5(k=2时)$
$(M_1{M}_2{M}_3)(M_4{M}_5)=(M_1{M}_2{M}_3)+(M_4{M}_5)+p_0\ast p_3\ast p_5(k=3时)$
$(M_1{M}_2{M}_3{M}_4)(M_5)=(M_1{M}_2{M}_3{M}_4)+(M_5)+p_0\ast p_4\ast p_5(k=4时)$

现在来看看这个算法的具体实现。先准备下述变量

m[n+1][n+1]：该二维数组中，m[i][j]表示计算$(M_i{M}_{i+1}...M_j)$时所需乘法运算的最小次数。
p[n+1]：该一维数组用于存储矩阵的行列数，其中M_i是p[i-1] * p[i]的矩阵。

利用上述变量，我们可以通过下式求出m[i][j]。

$m[i][j]=\{\begin{array}{llc}0& if& i=j\\ mi{n}_{i\le k<j}(m[i][k]+m[k+1][j]+p[i-1]\ast p[k]\ast p[j]& if& i<j\end{array}$

算法实现方法如下。

matrixChainMultiplication()
	for i = 1 to n
		m[i][i] = 0

	for l = 2 to n
		for i = 1 to n - l + 1
			j = i + l - 1
			m[i][j] = INFTY
			for k = i to j - 1
				m[i][j] = min(m[i][j], m[i][k] + m[k+1][j] + p[i-1] * p[k] * p[j])

AC代码如下

#include<iostream>
#include<algorithm>
using namespace std;

static const int N = 100;

int main(){
	int n, p[N + 1], m[N + 1][N + 1];
	cin>>n;
	for(int i = 1; i <= n; i++){
		cin>>p[i - 1]>>p[i];
	}
	
	for(int i = i; i <= n; i++) m[i][i] = 0;
	for(int l = 2; l <= n; l++){
		for(int i = 1; i <= n - l + 1; i++){
			int j = i + l - 1;
			m[i][j] = (1 << 21);
			for(int k = i; k <= j - 1; k++){
				m[i][j] = min(m[i][j], m[i][k] + m[k + 1][j] + p[i - 1] * p[k] *p[j]);
			}
		}
	}
	
	cout<<m[1][n]<<endl;
	
	return 0;
}