矩阵连乘（动态规划）

问题描述

给定N 个矩阵 { A 1 , A 2 , A 3 … … A n } ，其中 A i 和 A i + 1 可以相乘的，即： A i
的列数等于 A i + 1行数。如何确定矩阵连乘的计算次序，使得按照此次序计算该矩阵连乘所需要的数乘次数最少？
两个矩阵相乘，它的数乘次数等于前一个矩阵的行数乘以后一个矩阵的列数，当这些矩阵相乘的次序不同时，它的数乘次数的有很大差异的。
输入A = [30, 35, 15, 5, 10, 20, 25]，表示6个矩阵
输出最优的数乘次数与最佳分隔位置：最优的数乘次数15125 ；最佳分隔位置 [3, 1, 5] （分隔点之间的顺序任意）。

如下例题：
例：现有四个矩阵 A ， B ， C ， D 他们的维数分别是：A = 50 ∗ 10 ， B = 10 ∗ 40 ， C = 40 ∗
30 ， D = 30 ∗ 5 ，则连乘 A ， B ， C ， D 共有五种相乘的次序，如：

( A ( ( B C ) D ) ) ，数乘次数为 16000
( ( A B ) ( C D ) )，数乘次数为 36000
( ( A ( B C ) ) D ) ，数乘次数为 34500
( A ( B ( C D ) ) ) ，数乘次数为 10500
( ( ( A B ) C ) D ) ，数乘次数为 87500
我们可以看到，连乘的次序不同，它的数乘次数大区别也是很大的，最少的 10500
次，最多的，87500 次，相差 8 倍之多。所以，寻找一个矩阵连乘的最优分隔方式就显得尤为重要。

使用动态规划解决该问题的思路：

设f[i,j]f[i,j]f[i,j]为矩阵从Ai连乘到Aj的最优数乘值，因此可以写出如下递推公式：

设定一个二维数组m[N][N]表示当前矩阵的连乘次数，比如m[i][j]表示矩阵从Ai连乘到Aj的最优数乘值f[i,j]。
再设定一个二维数组s[N][N]表示当前矩阵连乘时最优分隔位置，比如s[i][j]表示矩阵从Ai连乘到Aj的数乘值最小时的分隔位置，也就是加括号的位置。

接下来画表：
连乘矩阵：{ A 1 , A 2 , A 3 , A 4 , A 5 , A 6 }

m数组（状态转移矩阵）：

在计算该列表中的数据时，我首先可以明确对角线的值即f[i,i]都为0，因为这表示只有一个矩阵，数乘为0
然后我们首先比较容易计算的就是两个矩阵相乘的最优数乘次数，因为两个矩阵相乘，分隔点只有一个，此时对应于主对角线的相邻对角线的值，即m[1,2], m[2,3], m[3,4], m[4,5], m[5,6]。当这几个值计算得到后，我们就可以接着计算三个矩阵相乘的最优数乘值，也就是m[1,3], m[2, 4], m[3, 5], m[4, 6]，例如m[1,3]的分隔点有两个，分别是1和2，当分隔点k为1时：f[1,1]+f[2,3]+a0 * a[1] * a[3],当分隔点k为2时：f[1][2]+f[2][3]+a0 * a2 * a3,而m[1,3]取二者的最小值作为最优数乘值。依次类推，因此状态转移是从主对角线依次计算对角线，最终m[1,6]即为所求值。
需要注意，m数组是索引为1的行和列来记录状态的，索引为0的行和列不用，这样做主要为了便去实现上面的推理。
s数组：

对于输出最优分隔位置，根据上图可以看出s[1,6]=3，首先在3处分隔，此时变为s[1,3]与s[4,6]，s[1,3]在1处分隔，变为s[1,1]与s[2,3]，s[4,6]在5处分隔，变为s[4,5]与s[6,6]。所以在1，3，5处分隔。因此可以利用递归完成。

完整代码：


def getIndex(i, j, s):global indexif j - i >= 2:index.append(s[i][j])else:returngetIndex(i, s[i][j], s)getIndex(s[i][j] + 1, j, s)def matrixChain(a):n = len(a)m = [[0 for _ in range(n)] for _ in range(n)]s = [[0 for _ in range(n)] for _ in range(n)]for r in range(2, n):  # r个矩阵连乘for i in range(1, n - r + 1):  # 填补表格的斜线部分的元素对应i标j = i + r - 1  # 填补表格的斜线部分的元素对应的j标m[i][j] = m[i][i] + m[i + 1][j] + a[i - 1] * a[i] * a[j]  # 首先计算第一个分割点，例如[1,3]的第一个分割点为1s[i][j] = i  # 然后将分割点暂时记录for k in range(i + 1, j):  # 计算其他的分隔点的数乘次数temp = m[i][k] + m[k + 1][j] + a[i - 1] * a[k] * a[j]if temp < m[i][j]:  # 如果当前分隔点的数乘次数更优，则更新s[i][j] = km[i][j] = tempgetIndex(1, n-1, s)  # 计算分隔点的位置return m[1][-1], indexif __name__ == "__main__":A = [30, 35, 15, 5, 10, 20, 25]index = []result = matrixChain(A)print(result)

参考：
https://blog.csdn.net/weixin_44952817/article/details/110124596
https://blog.csdn.net/qq_44755403/article/details/105015330

矩阵连乘（动态规划）相关推荐

矩阵连乘——动态规划算法
矩阵连乘--动态规划算法目录矩阵连乘--动态规划算法预备知识前言问题应用动态规划方法的步骤按照步骤分析问题步骤1:最有括号化方案的结构特征步骤2:一个递归求解方案步骤3:计算最优代 ...
矩阵压缩降维动态规划递推【P1719 最大加权矩形】
矩阵压缩&降维&动态规划&递推[P1719 最大加权矩形] 题目描述为了更好的备战NOIP2013,电脑组的几个女孩子LYQ,ZSC,ZHQ认为,我们不光需要机房,我们还需要 ...
矩阵快速幂+动态规划=蓝桥杯垒骰子
矩阵快速幂+动态规划=蓝桥杯垒骰子如果还不知道什么是矩阵快速幂,可以参加我的另一篇文章:矩阵快速幂详解题目分析看到 nnn 的范围达到了 10910^{9}109 ,如果使用暴力搜索是不现实 ...
矩阵连乘动态规划_Java动态规划
1. 介绍动态规划典型的被用于优化递归算法,因为它们倾向于以指数的方式进行扩展.动态规划主要思想是将复杂问题(带有许多递归调用)分解为更小的子问题,然后将它们保存到内存中,这样我们就不必在每次使用它 ...
矩阵连乘动态规划详解
矩阵连乘问题----动态规划(转载): 给定n个矩阵{A1,A2,-,An},其中Ai与Ai+1是可乘的,i=1,2-,n-1.如何确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次 ...
矩阵连乘动态规划_利用动态规划解LeetCode第62题：不同路径
题目描述一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为"Start" ).机器人每次只能向下或者向右移动一步.机器人试图达到网格的右下角(在下图中标记为&q ...
蓝桥杯：试题算法训练采油区域矩阵前缀和+动态规划+分治+枚举
资源限制时间限制:2.0s 内存限制:512.0MB 采油区域 Siruseri政府决定将石油资源丰富的Navalur省的土地拍卖给私人承包商以建立油井.被拍卖的整块土地为一个矩形区域,被划分为M× ...
蓝桥杯：垒骰子【快速幂+矩阵乘法解决动态规划问题】
先看题: [说实话,这道题是本菜写过最有数学味道的题目,虽然是是简单的矩阵运算和快速幂] 这道题目如果数据范围小的话,那么就是一个简单的dp,为了方便理解,我们先看不考虑时间复杂度的问题,先来看下怎么 ...
实现矩阵连乘积（动态规划）
目录实现矩阵连乘积题目问题分析算法分析时间复杂度代码实现执行结果动态规划基本思想举例个人主页:天寒雨落的博客_CSDN博客-初学者入门C语言,python,数据库领域博主
POJ - 3613 Cow Relays(Floyd思想+矩阵快速幂+动态规划)
题目链接:点击查看题目大意:给定一张由T(T<=100)条边构成的无向图,点的编号为1~1000,之间的整数,求从起点S到终点E恰好经过N(N<=1e6)条边(可重复经过)的最短路题目 ...

矩阵连乘（动态规划）

矩阵连乘（动态规划）相关推荐

最新文章

热门文章