秒杀算法面试题的第2个理由——矩阵连乘最小操作数

我是码春儿，将不定期分享面试中遇到的及力扣周赛中的题目，后续会有更多职业中的技术与心得体会分享，欢迎大家关注，让我们一起面向代码，春暖花开！

今天分享一道字节秋招面试中遇到的真题。

题目描述

给定N个矩阵的维度，返回计算其连乘积所需的最小操作数。(矩阵维度一定是可乘的)

示例：
输入：matrix_size： [[10, 10], [10, 10], [10, 1]]
输出：380

解析

两个矩阵相乘所需操作数

计算C=A*B，若A的维度为m×n，B的维度为n×k，则C的维度为，需要计算C中的m×k个数，每个数需要计算两个n维向量的内积，共涉及n次乘法及n-1次加法，因此总操作数为mk(2n-1)。

如何优化矩阵连乘积

一般而言矩阵相乘不具有交换律，但结合律一直满足，因此考虑从结合律入手进行优化，例如计算ABC，其中A、B的维度为10×10，C的维度为10×1，若计算(AB)C则需要1900+190=2090操作数，而计算A(BC)则只需要190+190=380操作数，我们的目标实际上是找出计算的顺序。

暴力求解方法

计算N个矩阵的连乘积需要计算N-1次矩阵乘法，因此暴力求解需要对N-1次计算的所有顺序进行遍历，并找出其中操作数最小的排列顺序，复杂度为N个数的全排列O(N!)

动态规划法

动态规划法是面试中常考的类型，难点在于如何将问题抽象出来，本题可以将矩阵序列拆分为前后两段，并拆解为两个子问题求解，从而“大事化小小事化了”。

记f(i, j)为计算矩阵序列中第i个到第j个所需的最小操作数，显然f(i, i) = 0。

用ri与ci表示第i个矩阵的行数与列数。

记m×n维矩阵与n×k维矩阵相乘的操作数为g(m, n, k) = mk(2n-1)。

例如我们要计算f(1,4) = A1A2A3*A4，共有三种拆解方式：

• 若先计算A2A3A4，则为f(1, 1) + f(2, 4) + g(r1, c1, c4)‍
• 若先计算A1A2和A3A4，则为f(1, 2) + f(3, 4) + g(r1, c2, c4)
• 若先计算A1A2A3，则为f(1, 3) + f(4, 4) + g(r1, c1, c4)

f(1, 4)的值应取以上三种拆解中最小的值，由此可得出递推公式：

f(i, j) = min{ f(i, k) + f(k + 1, j) + g(r