传统的矩阵乘法实现
首先,两个矩阵能够相乘,必须满足一个前提:前一个矩阵的行数等于后一个矩阵的列数。
第一个矩阵的第m行和第二个矩阵的第n列的乘积和即为乘积矩阵第m行第n列的值,可用如下图像表示这个过程。
矩阵乘法过程展示
C[1][1] = A[1][0] * B[0][1] + A[1][1] * B[1][1] + A[1][2] * B[2][1] + A[1][3] * B[3][1] + A[1][4] * B[4][1]
而用Java实现该过程的传统方法就是按照该规则实现一个三重循环,把各项乘积累加:
public int[][] multiply(int[][] mat1, int[][] mat2){
int m = mat1.length, n = mat2[0].length;
int[][] mat = new int[m][n];
for(int i = 0; i < m; i++){
for(int j = 0; j < n; j++){
for(int k = 0; k < mat1[0].length; k++){
mat[i][j] += mat1[i][k] * mat2[k][j];
}
}
}
return mat;
}
可以看出该方法的时间复杂度为O(n3),当矩阵维数比较大的时候程序就很容易超时。
优化方法(Strassen算法)
Strassen算法是由Volker Strassen在1966年提出的第一个时间复杂度低于O(n³)的矩阵乘法算法,其主要思想是通过分治来实现矩阵乘法的快速运算,计算过程如图所示:
将一次矩阵乘法拆分成多个乘法与加法的结合