矩阵连乘

动态规划基本思想:将待求解问题分解成若干个不独立的子问题 求出子问题的解并记录其表中 当需要再次求解次子问题时 可以通过查表获得该子问题的解而不用再次求解 从而避免大量重复计算 最后这些子问题即可得到原问题的解
动态规划法的解题思路:
①分析问题的最优子结构性质:一个最优策略的子策略总最优
②建立递归关系
③自下而上计算最优值
④根据计算最优值时得到的信息,构造最优解
下面给出矩阵连乘问题:
给定n个矩阵{A${}_1$,A${}_2$,A${}_3$…A${}_n$}其中A${}_i$与A${}_{i+1}$是可乘的(i=1,2…n-1),由于矩阵乘法满足结合律,所以矩阵连乘有不同的运算次序,矩阵连乘问题就是确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵的数乘次数最少。输入数据为矩阵的个数和每个矩阵的规模,输出结果为计算矩阵连乘积的计算次序和最少数乘次数
将矩阵连乘A${}_i$A${}_{i+1}$…A${}_j$简记为A[i:j](i≤j) A${}_i$维度记为p${}_{i-1}$*p${}_i$
如:给定三个矩阵A${}_1$、A${}_2$、A${}_3$

易知有两种运算次序:(A${}_1$*A${}_2$)*A${}_3$和A${}_1$*(A${}_2$*A${}_3$)
第一种次序运算次数为(2:3 3:2)2:4=2*3*2=12→(2:2 2:4)=2*2*4=16 总次数为12+16=28
第二种次序运算次数为2:3(3:2 2:4)=3*2*4=24→(2:3 3:4)=2*3*4=24 总次数为24+24=48
▲分析:若存在一个计算A[1:k]的次序所需的计算量(相对于之前求得的最优解)更少 则取代之 类似地,计算A[k+1:n]的次序也一定是最优的。由此可知矩阵连乘计算次序问题的最优解包含了其子问题的最优解。
那么计算目的是求解A[1:n]的最优解,而一个最优策略的子策略也应是最优的,所以问题可分解为求A[i:j](1≤i≤j≤n)的最优计算次序。
计算A[i:j]的最优计算次序:设这个计算次序在矩阵A${}_k$和A${}_{k+1}$
之间将矩阵链断开(i≤k<j) 则其相应加括号形式为:(A${}_i$A${}_{i+1}$…A${}_k$)(A${}_{k+1}$A${}_{k+2}$…A${}_j$) 那么A[i:j]的计算量为A[i:k]的计算量加上A[k+1:j]的计算量再加上A[i:k]和A[k+1:j]相乘的计算量。
建立递归关系:设计算A[i:j](1≤i≤j≤n)所需要的最少乘次数dp[i][j] 则原问题的最优值为dp[1][n]
当i=j时(矩阵只有一个),A[i:j]=A${}_i$ 因此dp[i][i]=0
当i<j时 A${}_i$的维数为p${}_{i-1}$*p${}_i$
由此可得递归关系:
当i=j时 dp[i][j]=0
当i<j时 dp[i][j]=min${}_{i\le k<j}$ (dp[i][k]+dp[k+1][j]+p${}_{i-1}$*p${}_k$*p${}_j$)

#include<bits/stdc++.h>
using namespace std;
const long long MAX=1e10+2;
const int N=102;
int p[N];//保存各矩阵的维数 
long long s[N][N],dp[N][N];//s存储切割位置 dp存储最优值 
void MChain(int n){
	for(int i=0;i<n+1;i++)//赋初值 
		for(int j=0;j<n+1;j++){
			dp[i][j]=MAX;
			s[i][j]=0;
		}		
	for(int i=0;i<=n;i++){
		cin>>p[i];
		dp[i][i]=0;//只有一个矩阵时最优值为0
	}
	for(int L=2;L<=n;L++){//相乘矩阵的个数 
		for(int i=1;i<=n;i++){ 
			int j=i+L-1;
			if(j>n) break; //越界 
			for(int k=i;k<j;k++){//遍历切割位置
				int MIN=dp[i][j];
				int temp=dp[i][k]+dp[k+1][j]+p[i-1]*p[k]*p[j];
				if(temp<MIN){
					dp[i][j]=temp;
					MIN=temp;
					s[i][j]=k;
				}
			//dp[i][j]=min(dp[i][j],dp[i][k]+dp[k+1][j]+p[i-1]*p[k]*p[j]);
			}
		}
	}
}
void Traceback(int i,int j){
	if(i==j) return;
	int k=s[i][j];
	Traceback(i,k);//左半部分 
	Traceback(k+1,j);//右半部分 
	cout<<"A["<<i<<":"<<k<<"]*A["<<k+1<<":"<<j<<"]"<<endl;
}
int main(int argc, char** argv)
{
	int n; 
	cin>>n;	
	MChain(n);
	//输出dp表	
	for(int i=0;i<=n;i++){
		for(int j=0;j<=n;j++)
			cout<<dp[i][j]<<" ";
		cout<<endl;
	}	
	//输出s表 
	for(int i=0;i<=n;i++){
		for(int j=0;j<=n;j++)
			cout<<s[i][j]<<" ";
		cout<<endl;
	}	 
	cout<<"Min times:"<<dp[1][n]<<endl;
	Traceback(1,n);
	return 0;
}

时间复杂度分析:MChain函数包含三重循环,循环体内计算量O(1) 故该算法时间复杂度为O($n^3$),空间复杂度O($n^2$)。所以动态规划法远比穷举法有效。