动态规划
这道题感觉和Dijkstra算法有点类似,都是循环先确定一个值后,再去找有没有更优的解法去替换,不过这个题用来学动态规划真的很好理解,要是当时能用这个题这个理解方法也许就继续ACM了…
- 此图即为dp数组的填充过程,首先完成左上到右下的斜对角线的赋0工作,因为矩阵自己乘没有运算,dp[i][i]全部为0 。
- 整体的填充过程为按照对角线依次向右上方,r=2->n,最后一个对角线n只需要填充一个数值,dp[1][6]即为最后的答案。
- 在每一个对角线中,i都是从1开始,到n-r+1。由于每次对角线的结尾处都会减1,i的结尾处与r也有关系。
- 每次填的j也即为对角线上的位置,j与r、i都有关系j=i+r-1
确定了循环的方式后,就要确定动态规划方程。
对于dp[i][j]数组的含义,为矩阵 i 到 矩阵 j 之前乘积的最小次数。那么对于每一次的i与j之间的最小次数,我们都先默认从i处先断开为最优解,然后记录下来这个值,再从i与j之间找到一个k,如果dp[i][k]+dp[k+1][j]+p[i-1]p[k]p[j]的值小于dp[i][j],那么k应该为dp[i][j]中的间断位置,在k处间断后能使dp[i][j]有更好的乘积策略。
动态规划方程:
#include<iostream>
using namespace std;
const int NUM = 105;
int p[NUM];
int s[NUM][NUM]; // s[i][j]表示矩阵从i到j的断开处
int dp[NUM][NUM]; // dp[i][j]表示矩阵从i乘到j的最少乘次数
void MatrixChain(int n)
{
for (int i = 1; i <= n; ++i)
dp[i][i] = 0;
for (int r = 2; r <= n; ++r) // r为对角线数,r=1时矩阵自己与自己乘一定为0
{
for (int i = 1; i <= n - r + 1; ++i)
{
int j = i + r - 1;
dp[i][j] = dp[i + 1][j] + p[i - 1] * p[i] * p[j];
s[i][j] = i; // 首先假设从i处断开
for (int k = i + 1; k < j; ++k) // 枚举后续位置,如果有更优解则进行转化
{
int t = dp[i][k] + dp[k + 1][j] + p[i - 1] * p[k] * p[j];
if (t < dp[i][j])
{
dp[i][j] = t;
s[i][j] = k;
}
}
}
}
}
void TraceBack(int i, int j)
{
if (i == j)
{
cout << i;
}
else
{
cout << "(";
TraceBack(i, s[i][j]);
TraceBack(s[i][j] + 1, j);
cout << ")";
}
}
int main()
{
int n; // 矩阵数量
cin >> n;
int a, b;
for (int i = 0; i < n; ++i)
{
cin >> a >> b;
p[i] = a;
}
p[n] = b;
MatrixChain(n);
for (int i = 1; i <= n; ++i)
{
for (int j = 1; j <= n; ++j)
{
cout << dp[i][j] << " "; // dp[i][j]的存储矩阵
}
cout << endl;
}
cout << dp[1][n] << endl;
TraceBack(1, n);
return 0;
}
/*测试用例
3
2 3
3 2
2 4
结果:
28
*/
递归
但是不得不说,递归起来解这道题更加简单,一个很基本简单的递归问题,也用到了循环找最优解的那部分思想。
#include<iostream>
using namespace std;
const int NUM = 105;
int p[NUM];
int s[NUM][NUM]; // s[i][j]表示矩阵从i到j的断开处
int dp[NUM][NUM]; // dp[i][j]表示矩阵从i乘到j的最少乘次数
int Recurve(int i, int j)
{
if (i == j)
{
return 0;
}
int u = Recurve(i, i) + Recurve(i + 1, j) + p[i - 1] * p[i] * p[j];
s[i][j] = i;
for (int k = i + 1; k < j; ++k)
{
int t= Recurve(i, k) + Recurve(k + 1, j) + p[i - 1] * p[k] * p[j];
if (t < u)
{
u = t;
s[i][j] = k;
}
}
dp[i][j] = u;
return u;
}
void TraceBack(int i, int j)
{
if (i == j)
{
cout << i;
}
else
{
cout << "(";
TraceBack(i, s[i][j]);
TraceBack(s[i][j] + 1, j);
cout << ")";
}
}
int main()
{
int n; // 矩阵数量
cin >> n;
int a, b;
for (int i = 0; i < n; ++i)
{
cin >> a >> b;
p[i] = a;
}
p[n] = b;
Recurve(1, n);
for (int i = 1; i <= n; ++i)
{
for (int j = 1; j <= n; ++j)
{
cout << dp[i][j] << " "; // dp[i][j]的存储矩阵
}
cout << endl;
}
cout << dp[1][n] << endl;
TraceBack(1, n);
return 0;
}
/*
3
2 3
3 2
2 4
*/
备忘录优化
如果搜索到i j ,就不妨把这个数据直接查找,因为dp[i][j]本身就是存储数值的,如果之前已经存储了,没必要进行多余的操作,又叫记忆化搜索。
代码只加了一步判断,能节省许多时间。
int Recurve(int i, int j)
{
if (dp[i][j] > 0)
{
return dp[i][j];
}
if (i == j)
{
return 0;
}
int u = Recurve(i, i) + Recurve(i + 1, j) + p[i - 1] * p[i] * p[j];
s[i][j] = i;
for (int k = i + 1; k < j; ++k)
{
int t= Recurve(i, k) + Recurve(k + 1, j) + p[i - 1] * p[k] * p[j];
if (t < u)
{
u = t;
s[i][j] = k;
}
}
dp[i][j] = u;
return u;
}