动态规划——矩阵连乘问题

动态规划——矩阵连乘问题

题目： 给定n个矩阵｛A1,A2,…,An｝（n<=40），其中Ai与Ai+1是可乘的，i=1，2…，n。第i个矩阵的维数用pi−1，pi来表示。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。例如，给定三个连乘矩阵{A1，A2，A3}的维数
数组p为：10,100,5,50，即分别是10 ×100，100×5和5×50，采用（A1A2）A3，乘法次数为10×100×5+10×5×50=7500次，而采用A1（A2A3），乘法次数为100×5×50+10×100×50=75000次乘法，显然，最好的次序是（A1A2)A3，乘法次数为7500次。

输入示例：

6
30 35 15 5 10 20 25

输出示例：

15125

解题思路分析：

矩阵相乘最少应该有两个矩阵相乘，一个矩阵是不存在相乘的问题的。那最多有多少个矩阵相乘呢？最多可以有n个矩阵相乘，至于n是多少我们也不知道。

题目也是让我们求n个矩阵相乘的问题，我们可以将n个矩阵相乘看成两个大矩阵相乘，这里的大并不是指矩阵真的很大，文字不好描述，我举例说明一下：

例如求n个矩阵 （A1,A2,A3,…,An-1,An）相乘，我们可以将其看成矩阵（A1,A2,…,Ak）与矩阵（Ak+1,Ak+2,…,An）相乘，这里k的范围为：1<k<n。同地我们还可以将矩阵（A1,A2,…,Ak）与矩阵（Ak+1,Ak+2,…,An）又进一步细分。

像这样把求原问题的解转化为求子问题的解，我们可以考虑用动态规划来实现。

动态规划的解题步骤：

• 明确目的状态：我们要求的目的状态是什么，就本题而言，我们的目的状态是求n个矩阵相乘的最小乘法次数

• 明确dp数组的含义：dp数组是用来存放每一个状态下的值，具体题型具体分析，你要明白dp数组里面的值是什么意思，就本题而言，dp[i] [j]是用来存放矩阵(Ai,Ai+1,…,Aj)的最小相乘次数

• 建立状态转移方程：每一个状态之间的关系，目的状态与它的上一个状态之间的关系，本题的状态转移方程为：
  $$dp[i][j]=mindp[i][k]+dp[k+1][j]+p[i-1]p[k]p[j](i<j,i<=k<j)$$

解释：为什么要加上min，因为 i 到 j 之间 k 的取值有多个，k 的取值不同，产生的dp[i] [j] 的值不同，我们要求最小的相乘次数，所以要取最小的dp[i] [j]的值

整个动态规划解题步骤中，最关键最核心的是状态转移方程，那么状态转移方程是怎么来的呢？

状态转移方程是我们经过探讨、总结得出来的——目的状态与它的上一次状态的关系表达式

探讨过程：

假设n为3，求矩阵（A1, A2, A3）相乘的最小相乘次数，并且假设（A1A2)A3 这个相乘的次序所用的乘法次数最少，则在目的转态n为3下的最少相乘次数为p[0] * p[1] * p[2] +p[0] * p[2] * p[3] (p数组存放的是矩阵的维数，例A1的行为p[0] 列为p[1])

而根据我们的定义dp数组的定义，则有dp[1] [3] = p[0] * p[1] * p[2] +p[0] * p[2] * p[3] ;

因为（A1A2)A3 这个相乘的次序所用的乘法次数最少，所以矩阵A1A2相乘的次序所用的乘法次数也必然最少

则dp[1] [3] = dp[1] [2] +p[0] * p[2] * p[3] ①式

(p[0]是矩阵A1的行数，p[2],p[3]分别为矩阵A3的行数和列数)

设n为4，求矩阵（A1, A2, A3，A4）相乘的最小相乘次数，我们可以将其看成矩阵（A1, A2, A3）与矩阵A4相乘的最小相乘次数，也假设这样相乘是乘法次数最少的，则

目的状态为n=4的最小次数等于 目的状态为n=3的矩阵与矩阵A4相乘的最小次数 ,根据dp数组的含义，矩阵（A1, A2, A3）的最小相乘

次数为dp[1] [3], 根据上面对n=3的推导，dp[1] [4] = dp[1] [3] +p[0] * p[3] * p[4] ②式

又因为矩阵相乘最少应该有两个矩阵相乘，且根据dp数组的含义有:

如果 i = j, 则 dp[i] [j] =0;

对①②式变型有：
dp[1] [3] = dp[1] [2] + dp[3] [3] + p[0] * p[2] * p[3]
dp[1] [4] = dp[1] [3] + dp[4] [4] +p[0] * p[3] * p[4]

再多讨论一下n=5,n=6的情况，就可以得到我们的状态转移方程：
$$dp[i][j]=mindp[i][k]+dp[k+1][j]+p[i-1]p[k]p[j](i<j,i<=k<j)$$

代码示例：

#include<bits/stdc++.h>
using namespace std;
int n;//n为矩阵的个数 
int p[41];//用来存放矩阵的行数和列数，例如矩阵Ai的行数为p[i-1]列数为p[i] 
int func();// 返回矩阵相乘的最小次数 
int main(){
	cin>>n;
	//因为矩阵有n个，所以p数组中应该有n+1个值 
	for(int i=0;i<=n;i++){
		cin>>p[i];
	}
	int num=func();
	cout<<num<<endl;
}
int func(){
	//vector容器 dp[n+1][n+1]相当于动态的二维数组， 
	//根据输入的n的值来自动开辟空间 ，其类型为int 
	vector< vector<int> > dp(n+1,vector<int>(n+1));
	for(int i=n;i>=1;i--){
		for(int j=i;j<=n;j++){
			if(i==j){
				dp[i][j]=0;
			}
			if(i<j){
				// 因为是求最小值，所以尽可能的将temp设得大一点 
				int temp=1000000;
				for(int k=i;k<j;k++){
					int ans=dp[i][k]+dp[k+1][j]+p[i-1]*p[k]*p[j];
					if(ans<temp){
						temp=ans;
					}
				}
				dp[i][j]=temp;
			}
		}
	}
	
	return dp[1][n];
} 

为方便理解，大家可以画一个n*n的方格，以n为4为例：

表格（1,2）表示矩阵A1A2相乘的最小次数:dp[1] [2]

表格（1,4）表示矩阵{A1A2A3A4}相乘的最小次数:dp[1] [4]

	A1	A2	A3	A4
A1	0	dp[1] [2]	dp[1] [3]	dp[1] [4]
A2		0	dp[2] [3]	dp[2] [4]
A3			0	dp[3] [4]
A4				0

根据状态转移方程，dp[1] [2] =dp[1] [1] +dp [2] [2] + p[0] * p[1] * p[2]

像这样的每一个目的状态都可以用上一个目的状态来表式

表格中只有在对角线的右边，才是具有实际意义的dp数组

如果在下面，例如dp[2] [1] 表示矩阵{A2A1}相乘的最小次数，A2A1改变了矩阵相乘的顺序，是不对的

根据矩阵知识A1A2 不等于 A2A1