动态规划——矩阵连乘问题

矩阵连乘问题

矩阵在实际生活中极为重要，但其中的矩阵间乘法的步骤却非常繁琐，当遇到许多个矩阵连乘时，如何减小计算时的代价尤为关键，动态规划可以有效解决该问题。

问题描述

给定n个矩阵A₁，A₂……A_n，且保证A_i能够和A_i+1相乘。由于矩阵乘法满足结合律，可以具有不用的运算顺序，求解使矩阵连乘次数最小的结合律所花费的代价。

分析设计

已知数学矩阵的定理：

• 若矩阵A的列等于矩阵B的行，则A和B是可乘的，表示为A * B。

因此n个矩阵连乘的结果应该为第一个矩阵A₁的列，最后一个矩阵A_n的行组成的矩阵。

问题描述中所说的代价应为：

• 已知矩阵$A(i,j)$和$B(j,k)$，A和B相乘的代价 = i * j * k;。

知道了上面这些前提条件，我们就可以开始分析如何利用动态规划的思想解决了。
对于一个问题，利用动态规划求解需要我们找出可划分的子问题，对于矩阵连乘来说，子问题很明显：其中部分矩阵的连乘问题。

具体来说就是，若在第k个位置上有最优解，则子问题就变为了A_k两边的矩阵的连乘问题了。

设用二维数组C来记录矩阵连乘的结果，从A_i到A_j的连乘问题的解为$C(i,j)$，在第k个位置找到最优解，且$1\le i\le j\le n$，那么
$C(i,j)=min[C(i,k)+C(k+1,j)+m_{i-1}\ast m_k\ast m_j]$

同时当$i=j$时，$C(i,j)=0$。

源代码

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

//矩阵连乘
void Dpmatrixmul(vector<int> &m, vector<vector<int> > &c) {
	int n = m.size() - 1;
	for (int i = 1; i <= n; i++)	//初始化
		c[i][i] = 0;

	for (int s = 1; s <= n - 1; s++) {
		for (int i = 1; i <= n - s; i++) {
			int j = i + s;
			for (int k = i; k < j; k++) {
				if (c[i][j] > c[i][k] + c[k + 1][j] + m[i - 1] * m[k] * m[j])
					c[i][j] = c[i][k] + c[k + 1][j] + m[i - 1] * m[k] * m[j];
			}
		}
	}
}

int main() {
	int n;
	cout << "输入矩阵个数：";
	cin >> n;
	vector<int> matrix(n + 1);	//矩阵数组，记录n个矩阵的行和列
	vector<vector<int> > c(n + 1, vector<int>(n + 1,INT_MAX));	//代价数组
	cout << "输入矩阵信息：";
	for (int i = 0; i <= n; i++)
		cin >> matrix[i];

	Dpmatrixmul(matrix, c);

	cout << "解决该矩阵的最小代价为：" << c[1][n] << endl;

	system("pause");
	return 0;
}

运行结果