1.实验题目
矩阵连乘问题
给定n个矩阵{A1,A2,…,An},其中Ai与Ai+1是可乘的,i=1,2…,n-1。如何确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次数最少。
2.实验目的
1.掌握动态规划算法的基本思想、技巧和效率分析方法。
2.熟练掌握动态规划算法的最优子结构性质的分析与证明。
3.学会利用动态规划算法解决实际问题。
3.实验要求
(1)根据实验内容构思设计算法,选取适合的数据结构;
(2)对所设计的算法采用大O符号进行时间复杂性分析;
(3)上机实现算法,编程语言不限;
(4)实验报告内容应包括问题描述、问题分析、算法设计、算法实现、运行结果及算法复杂度分析等内容。
4.实验过程
问题分析:
- 矩阵连乘的条件:第一个矩阵的列等于第二个矩阵的行,此时两个矩阵是可乘的;
- 多个矩阵连乘的结果矩阵,其行列等于第一个矩阵的行和最后一个矩阵的列;
- 矩阵连乘AiAi+1Ai+2……Aj的最优解问题
假设在第k位置上找到最优解,则问题变成了两个子问题:(AiAi+1……Ak),(Ak+1……Aj)
用m[i][j]表示矩阵连乘的最优值,那么两个子问题对应的最优值变成m[i][k],m[k+1][j];
设矩阵Am的行数为Pm,列数为qm,矩阵是可连乘的,即相邻矩阵qm=Pm+1,所以(AiAi+1……Ak)可表示为Pi * qk,
(Ak+1……Aj)可表示为Pk+1 * qj,qk = Pk+1.则两个矩阵连乘的乘法次数为Pi * Pk+1 * qj。
- 矩阵连乘最优值递归式:
5.代码实现
#include<iostream>
#include<cstring>
using namespace std;
const int size=100;
int p[size];
int m[size][size],s[size][size];
int n;
void matrixchain()
{
int i,r,j,k;
memset(m,0,sizeof(m));
memset(s,0,sizeof(s));//初始化数组
for(r=2;r<=n;r++)//矩阵连乘的规模为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];//对m[][]开始赋值
s[i][j]=i;//s[][]存储各子问题的决策点
for(k=i+1;k<j;k++)//寻找最优值
{
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);//递归1到s[1][j]
cout<<")";
}
int main()
{
cout<<"请输入矩阵的个数n : "<<endl;
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:"<<endl;
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;
return 0;
}
6.实验结果
7.复杂度分析
算法matrixChain的主要计算量取决于算法中对r,i和k的3重循环。循环体内的计算量为O(1),而3重循环的总次数为O(n3)。因此算法的计算时间上界为O(n3)。算法所占用的空间显然为O(n2)。