动态规划-矩阵链乘自顶向下和自底向上的Python实现

问题背景：

由于矩阵乘法满足结合律，所以计算矩阵连乘的连乘积可以用许多不同的计算次序，这种计算次序可以用加括号的方式来确定。我们的目标只是确定运算顺序然后降低乘法的运算次数。

最优子结构：m[i,j]=0    当i=j;   min{m[i,k]+m[k+1,j]+p[i-1]*p[k]*p[j]}    当i<j。（k就是切割点的位置）

即i和j矩阵之间，k处添加括号（最后相乘的地方），最后一步乘法代价=i的行*k的列*j的列

1.自顶向下的实现：

#p是矩阵的列数，p[0]是第一个矩阵的行，p[1]是第一个矩阵的列，p[2]是第二个矩阵的列。因为矩阵可以相乘必然相容
#memozed_list保存运算乘法的次数，s保存矩阵Ai→Aj中最后一次相乘的地方，n是相乘矩阵数量
def matrix_memoed(p):
    n = len(p) - 1
    memozed_list = []
    s = []
    for i in range(n + 1):
        memozed_list.append([-1 for i in range(n + 1)])
        s.append([0 for i in range(n + 1)])
    matrix_help(memozed_list, p, s, 1, n)
    for i in memozed_list[1:]:
        print(i)
 matrix_print(s,