动态规划——矩阵链乘

1.问题描述

对n个矩阵进行矩阵乘法运算，矩阵乘法满足结合律，对于不同的结合方法，得到的乘法次数不同，求n个矩阵进行矩阵乘法时的最少乘法次数。

例：有三个矩阵A、B、C，其中A(2×30)，B(30×2)，C(2×1)
如果按照(AB)C计算，则乘法次数为2×30×2+2×2×1=120+4=124
如果按照A(BC)计算，则乘法次数为30×2×1+2×30×1=60+60=120

2.问题解决

我们用一个大小为n+1的一维数组data记录n个矩阵的大小。上面给出的例子中，有3个矩阵，则data的大小为4，内容为2，30，2，1。

（1）对于Mi×M(i+1)只有一种结合方式，因此乘法次数是唯一的，我们记录在一个二维数组cost中，cost[ i ][ i+1 ]表示Mi×M(i+1)的花销。

（2）对于M(i-1)×Mi×M(i+1)有两种结合方式。
① 当计算顺序为( M(i-1)×Mi )×M(i+1)时，花销为计算M(i-1)×Mi的花销加M(i+1)的花销（0）加计算最终等式的开销，即
cost[ i-1 ][ i ]+data[i-1]×data[i]×data[i+1]+cost[i+1][i+1]；
② 当计算顺序为M(i-1)×( Mi×M(i+1) )时，花销为
cost[i-1][i-1]+data[i-1]×data[i]×data[i+1]+cost[i][i+1]
我们选择两种结合方式中花销较小的一个存入cost[i-1][i+1]中。

（3）对于四个矩阵的式子，比如M1×M2×M3×M4
结合方式有M1×（M2×M3×M4）、（M1×M2）×（M3×M4）、（M1×M2×M3）×M4三种
（有读者可能疑问比如M1×（（M2×M3）×M4））这种结合方式呢，其实这种方式已经包含在了上面给出的第一种结合方式里了，其他结合方式也是类似。）

到这里，我们就很容易写出递推关系式了
cost[ i ][ j ]=min
{ cost[ i ][ k ]+cost[ k+1 ][ j ]+data[ i -1]×data[ k ]×data[ j ] } 其中i≤k<j。
初始条件为cost[ i ][ i ]=0。

3.代码实现

int minMatrix(vectr<int>& data)
{
    int len=data.size();//len=矩阵个数+1
    vector<vector<int>> cost(len,vector<int>(len));

    //初始化cost数组
    for(int i=0;i<len;i++)
    {
        cost[0][i]=0;
        cost[i][0]=0;
        cost[i][i]=0;
    }

    //计算cost数组
    for(int k=1;k<len;k++)
    {
        for(int i=1;i<len;i++)
        {
            int j=i+k;
            if(j<len)
            {
                int min=cost[i][i]+cost[i+1][j]+data[i-1]*data[i]*data[j];
                for(int m=i+1;m<j;m++)
                {
                    if(min>cost[i][m]+cost[m+1][j]+data[i-1]*data[m]*data[j])
                        min=cost[i][m]+cost[m+1][j]+data[i-1]*data[m]*data[j];
                }
                cost[i][j]=min;
            }
        }
    }
    return cost[1][len-1];
}

4.时间复杂度

程序中有三层循环嵌套，因此时间复杂度为O(n^3)。