矩阵链乘法
问题:
可以看下例子加强对问题的理解:
例:设P = < 10,100,5,50>,则A1:1005、A2:1005、A3:550,同时还有(A1(A2,A3)):101005+10550=7500、((A1,A2)A3):1010050+1005*50=75000。
不难看出,一个乘法顺序的变化,乘法数量就有了十倍的差距,所以求的一个最有乘法以减少乘法数量是很关键的。
解析:
前提:学代数的应该都知道,两个矩阵相乘是有条件的,就是即A的列数等于B的行数时,才能相乘。如果A是p×q的矩阵,B是q×r的矩阵,那么乘积C是p×r的矩阵。计算C所需要时间由第8行的标量乘法的次数决定的,即pqr。
动态规划来完成矩阵链乘法:
动态规划的第一步是寻找最优子结构,然后就可以利用这种子结构从子问题的最优解构造出原问题的最优解。在矩阵链乘法问题中,我们假设A(i)A(i+1)…A(j)的最优括号方案的分割点在A(k)和A(k+1)之间。那么,继续对“前缀”子链A(i)A(i+1)…A(k)进行括号化时,我们应该直接采用独立求解它时所得的最优方案。
我们已经看到,一个非平凡(i≠j)的矩阵链乘法问题实例的任何解都需要划分链,而任何最优解都是由子问题实例的最优解构成的。为了构造一个矩阵链乘法问题实例的最优解,我们可以将问题划分为两个子问题(A(i)A(i+1)…A(k)和A(k+1)A(k+2)…A(j)的最优括号化问题),求出子问题实例的最优解,然后将子问题的最优解组合起来。我们必须保证在确定分割点时,已经考察了所有可能的划分点,这样就可以保证不会遗漏最优解。
接下来就用递归来完成所有可能性的计算:
步骤为:
1、如果i=j,m[i,j]=0
2、如果i<j,m[i,j]=min{m[i,k]+m[k+1,j]+p(i-1)p(k)p(j)} i<=k<j
接下来给出源代码:
#include<iostream>
using namespace std;
const int MAX=10000000;
int const M=7;
//求最少次数的乘法括号划分方式
void Matrix_Chain(int *p,int Length,int m[][M],int s[][M])
{
int q,n=Length-1;
for(int i=1;i<=n;i++) m[i][i]=0;
for(int l=2;l<=n;l++) /* 矩阵链的长度 */
{
for(int i=1;i<=n-l+1;i++)
{
int j=i+l-1; /* 等价于 l=j-i+1 */
m[i][j]=MAX;
for(int k=i;k<=j-1;k++)
{
q=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
if(q<m[i][j])
{
m[i][j]=q;
s[i][j]=k;
}
}
}
}
}
//递归
void print_optimal_parens(int s[][M],int i,int j)
{
if(i == j) cout<<"A"<<i;
else
{
cout<<"(";
print_optimal_parens(s,i,s[i][j]);
print_optimal_parens(s,s[i][j]+1,j);
cout<<")";
}
}
int main()
{
int num;
cout << "请输入矩阵个数:" << endl;
cin >> num;
int p[num];
cout << "请给定向量P:" << endl;
for(int i = 0; i <= num; i++){
cin >> p[i];
}
int m[M][M],s[M][M];
Matrix_Chain(p,M,m,s);
cout <<"当num=" << num << "时最优解为: " << endl;
cout << m[1][num];
cout<< endl << "括号化方案为:" << endl;
print_optimal_parens(s,1,6);
cout << endl;
return 0;
}
//6
//30,35,15,5,10,20,25