【UVA】348-Optimal Array Multiplication Sequence(矩阵链乘)

最基本的矩阵链乘。

一开始打错一个字母WA了N次,郁闷,打印路径的时候找到一条最佳路径不要忘记return。

递推式子为:

dp[i][j] = min(dp[i][k] + dp[k + 1][j] + mat[i].x * mat[k].y * mat[j].y);

  348 Optimal Array Multiplication Sequence Accepted C++ 0.066 2014-08-06 10:29:02

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<map>
#include<stack>
#include<queue>
#include<set>
#include<ctime>
#include<cmath>
#include<string>
#include<iomanip>
#include<climits>
#include<cctype>
#include<deque>
#include<list>
#include<sstream>
#include<vector>
#include<cstdlib>
using namespace std;
#define _PI acos(-1.0)
#define INF (1 << 30)
typedef long long LL;
typedef unsigned long long ULL;
typedef pair<int,int> pill;
/*======================================
矩阵链乘问题,d[i][j]代表i ~ j 编号内矩形相乘最小次数
======================================*/
#define MAXD 10 + 10
int n,Case = 1;
int dp[MAXD][MAXD];
struct Mat{
    int x;
    int y;
}mat[MAXD];
void init(){
    for(int i = 1 ; i <= n ; i++){
        scanf("%d%d",&mat[i].x,&mat[i].y);
    }
    for(int i = 1 ; i <= n ; i++)
        for(int j = i; j <= n ; j++)
            if(i == j)
                dp[i][j] = 0;
            else
                dp[i][j] = INF;
    return;
}
void print(int i,int j){
    if(i == j){
        printf("A%d",i);
        return ;
    }
    else
    for(int k = i ; k < j ; k++)
        if(dp[i][j] == dp[i][k] + dp[k + 1][j] + mat[i].x * mat[j].y * mat[k].y){
            printf("(");print(i,k);printf(" x ");print(k + 1, j);printf(")");
            return ;
        }
    return ;
}
void DP(){
    init();
    for(int j = 1 ; j <= n ; j++){
        for(int i = 1 ; i + j <= n ; i++){
             for(int k = i ; k < i + j ; k++)
                dp[i][i + j] = min(dp[i][i + j],dp[i][k] + dp[k + 1][i + j] + mat[i].x * mat[i + j].y * mat[k].y);
        }
    }
    printf("Case %d: ",Case++);
    print(1,n);
    printf("\n");
    return ;
}
int main(){
    while(scanf("%d",&n) && n){
        DP();
    }
    return 0;
}

矩阵链乘问题是一个经典的动态规划问题,其目标是找到一种最优的方式来计算给定的一组矩阵的连乘积。这个问题可以通过动态规划算法来解决。 动态规划算法的基本思想是将问题分解成更小的子问题,并使用已知的信息来计算更大的问题。在矩阵链乘问题中,我们可以将问题分解成计算两个矩阵的乘积的子问题,并使用已知的信息来计算更大的问题。 具体来说,我们可以定义一个二维数组m,其中m[i][j]表示从第i个矩阵到第j个矩阵的最小计算代价。我们还可以定义一个二维数组s,其中s[i][j]表示从第i个矩阵到第j个矩阵的最优计算次序。 接下来,我们可以使用以下递归公式来计算m和s: m[i][j] = 0 (i = j) m[i][j] = min{m[i][k] + m[k+1][j] + ri*ck*cm} (i <= k < j) 其中,ri和ci分别表示第i个矩阵的行数和列数,cm表示两个矩阵相乘的计算代价。 使用上述递归公式,我们可以计算出所有的m[i][j]和s[i][j]。最终,我们可以通过s数组来构造出最优的计算次序,并使用m数组来计算最小的计算代价。 下面是一个Python实现的例子: ```python def matrix_chain_order(p): n = len(p) - 1 m = [[0] * n for i in range(n)] s = [[0] * n for i in range(n)] for l in range(2, n+1): for i in range(n-l+1): j = i + l - 1 m[i][j] = float('inf') for k in range(i, j): q = m[i][k] + m[k+1][j] + p[i]*p[k+1]*p[j+1] if q < m[i][j]: m[i][j] = q s[i][j] = k return m, s def print_optimal_parens(s, i, j): if i == j: print("A{}".format(i+1), end='') else: print("(", end='') print_optimal_parens(s, i, s[i][j]) print_optimal_parens(s, s[i][j]+1, j) print(")", end='') p = [30, 35, 15, 5, 10, 20, 25] m, s = matrix_chain_order(p) print_optimal_parens(s, 0, len(p)-2) print("\nMinimum cost:", m[0][len(p)-2]) ``` 输出结果为: ``` ((A1(A2A3))((A4A5)A6)) Minimum cost: 15125 ```
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
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