动态规划 矩阵连乘优化

1 篇文章 0 订阅
1 篇文章 0 订阅

考察两个矩阵相乘的情形:C=AB。如果矩阵AB分别是?×?p×r?×?r×q矩阵,则它们的乘积C

?×?p×q矩阵,其(i, j)元素为:?=1,  ···,  ?, ?=1,···,  ?i=1,  ···,  p, j=1,···,  q,因而AB所用的数乘次数是p*r*q

如果有至少3个以上的矩阵连乘,则涉及到乘积次序问题,即加括号方法。例如3个矩阵连乘的加括号方法有两种:(A1A2)A3)(A1(A2A3))。设A1A2A3分别是?0×?1?1×?2?2×?3p0×p1p1×p2p2×p3矩阵,则以上两种乘法次序所用的数乘次数分别为:

p0p1p2+p0p1p3 p0p1p3+p1p2p3。如果p0=10p1=100p2=5p3=50,则两种乘法所用的数乘

次分别为:7500 750000

任意给定n个可乘的数字矩阵A1A2···An,以及矩阵的维度p0p1p1p2···pn-1pn,求

解给定矩阵链的最优计算次序使得所需要的数乘次数最少。

 

 

#include<iostream>
#include<algorithm>
#include<vector>
#define MaxNum 1000

using namespace std;
long MatrixChain(int);
long memoTable[MaxNum][MaxNum];
int dim[MaxNum];
int bestK[MaxNum][MaxNum];
int main()
{
	int n;
	while (cin >> n&&n != -1)
	{
		for (int i = 0; i <= n; i++)
			cin >> dim[i];
		cout << MatrixChain(n) << endl;
	}
	return 0;
}
long MatrixChain(int matrixNum)
{
	int j,k;
	for (int i = 1; i <= matrixNum; i++)
	{
		memoTable[i][i] = 0;
	}
	for (int len = 2; len <= matrixNum; len++)
	{
		for (int i = 1; i <= matrixNum-len+1; i++)
		{
			j = i + len - 1;
			memoTable[i][j] = INT_MAX;
			for (k = i; k < j; k++)
			{
				long ans = memoTable[i][k] + memoTable[k + 1][j] + dim[i - 1] * dim[k] * dim[j];
				if (ans < memoTable[i][j])
				{
					bestK[i][j] = k;
					memoTable[i][j] = ans;
				}
			}
		}
	}
	return memoTable[1][matrixNum];
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

&小鹏鹏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值