一、概述

以两个矩阵相乘为例，A1*A2，A1和A2为两个矩阵，假设A1的行列数是p*q，A2的行列数是q*r。注意这里由于是A1乘以A2，所以A1的列数要等于A2的行数，否则无法做矩阵乘法，满足上述条件的矩阵，我们称之为“相容”的。那么对于A1*A2而言，我们需要分别执行p*r次对应A1的行元素乘以A2的列元素，根据线性代数知识，不难得出我们一共需要执行p*q*r次乘法。

对于两个矩阵相乘，一旦矩阵的大小确定下来了，那么所需执行的乘法次数就确定下来了。那么对于两个以上的矩阵呢？是不是也是这样呢。实际上，对于多个矩阵相乘，乘法执行的次数与“划分”有关。例如：

以矩阵链<A1,A2,A3>为例，假设三个矩阵的规模分别为10X100，100X5和5X50。

①以((A1*A2)*A3)方式划分，乘法执行次数为：10*100*5+10*5*50=5000+2500=7500次

②以(A1*(A2*A3))方式划分，乘法执行次数为：100*5*50+10*100*50=25000+50000=75000次

我们可以发现，对于同样的矩阵链<A1,A2,A3>相乘而言，不同的划分，乘法次数居然相差10倍。

二、如何获得最佳的矩阵链乘法划分和最少次数

其实这里与“钢管切割”有相似之处，在钢管切割问题中，我们使用一个一维数组来存储最佳收入，另一个一维数组来存储切割的划分处。

而这里，我们也可以将矩阵链看成一根要分割的“钢管”，只是这里记录的两个数组需要是二维的，因为我们需要记录的不仅是从哪里“断开”，还需要记录"每一段"到哪里截止。如下图：

使用一个长度为n+1的一维数组p来记录每个矩阵的规模，其中n为矩阵下标i的范围1~n，例如对于矩阵Ai而言，它的规模应该是p[i-1]到p[i]。由于i是从1到n取值，所以数组p的下标是从0到n。

用于存储最少乘法执行次数和最佳分段方式的结构是两个二维数组m和s，都是从1~n取值。m[i][j]记录矩阵链<Ai,Ai+1,...,Aj>的最少乘法执行次数，而s[i][j]则记录最优质m[i][j]的分割点k。

需要注意的一点是当i=j时，m[i][j]=m[i][i]=0，因为一个矩阵不需要任何乘法。

假设矩阵链从Ai到Aj，有j-i+1个矩阵，我们从k处分开，将矩阵链分为Ai~Ak和Ak+1到Aj两块，那么我们可以比较容易的给出m[i][j]从k处分隔的公式：

m[i][j]=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j]；

在一组确定的i和j值的情况下，要使m[i][j]的值最小，我们只要在所有的k取值中，i<=k<j，寻找一个让m[i][j]最小的值即可。

假设L为矩阵链的长度，那么L=j-i+1。当L=1时，只有一个矩阵，不需要计算。那么我们可以从L=2到n进行循环，对每个合理的i和j值的组合，遍历所有k值对应的m[i][j]值，将最小的一个记录下来，存储到m[i][j]中，并将对应的k存储到s[i][j]中，就得到了我们想要的结果。

根据上面的分析，不难给出过程的代码，注意这里也是使用的自底向上的方法，参看“钢管切割”：

//Ai矩阵的行列分别是p[i-1]和p[i],1<=i<=n/** 求解最少次数的乘法括号划分方案*/
void Matrix_Chain(int* p, int n, int** m, int** s) {//①将对角线上的值先赋值为0for (int i = 1; i <= n; i++) {m[i][i] = 0;}int l = 0; //l为矩阵链的长度//m[i][j]的第一个参数int i = 0;//m[i][j]的第二个参数int j = 0;int tmp = 0;//②以长度L为划分，L从2开始到nfor (l = 2; l <= n; l++) {//循环第一个参数，因为l的长度至少为2，所以i和j在这个循环里面肯定不相等for (i = 1; i <= n - l + 1; i++) {//因为j-i+1=l，所以j=l+i-1j = i + l - 1;//给m[i][j]赋初值，这里要寻找m[i][j]的最小值，本来应当给m[i][j]赋值一个正无穷，但是这里直接赋一个i=j时候的特值也可以m[i][j] = m[i][i] + m[i + 1][j] + p[i - 1] * p[i] * p[j];s[i][j] = i;//对于每个特定的i和j的组合，遍历此时所有的合适k值，k大于等于i小于jfor (int k = i + 1; k < j; k++) { //这里k不能等于j，因为后面要m[k+1][j]，不然k+1就比j大了tmp = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j];if (tmp < m[i][j]) {m[i][j] = tmp;s[i][j] = k;}}}}
}

上面的代码，我们就求得了每种i和j组合对应的最小乘法次数和对应的最佳分割处s[i][j]。

三、输出最优构造划分:

经过运行上面的代码，我们就准备好了s[i][j]，其中包含最佳分割信息。我们可以使用一种类似于中序遍历的方法来输出划分方式，比如对<A1,A2,A3,A4,A5>和他们对应的下标数组p而言。

void print_optimal_parens(int** s, 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 << ")";}
}

比如对于数组p={5,6,2,9,7,6}和<A1,A2,A3,A4,A5>经过上面两段代码的调用，输出划分结果：

((A1A2)((A3A4)A5))

最少乘法次数为：330次

备注：

动态规划是一种将问题实例分解为更小的、相似的子问题，并存储子问题的解而避免计算重复的子问题，以解决最优化问题的算法策略。

备忘录法是动态规划方法的变形。与动态规划算法不同的是，备忘录方法的递归方式是自顶向下的，而动态规划算法则是自底向上的。

转载链接：

https://blog.csdn.net/cyp331203/article/details/42965237

矩阵链乘法问题（算法）相关推荐

矩阵链乘法自顶向下自底向上 Python 实现算法导论
算法导论矩阵链乘法自顶向下自底向上 Python 实现带备忘的自顶向下实现方式 def Memoized_Matrix_chain(p):n = len(p)m = [[0 for i in ...
python矩阵乘法算法_Python算法|矩阵链乘法
概述矩阵乘法是一个满足结合律的运算.显然,对于矩阵A.B.C来说,(AB)C 与 A(BC) 是等价的,我们可以根据自己的心情选择任意的运算顺序,总之,结果都是一样的. 糟糕的是,对计算机来说可不是 ...
【算法分析与设计】矩阵链乘法最优顺序问题
矩阵链乘法矩阵连乘,选择不同的乘法顺序,效率可能千差万别. 高效的实现算法应该用动态规划来设计,具体的讲解可以看这里. 编程实现 public class Main {private static ...
【动态规划】矩阵链乘法
矩阵链乘法求解矩阵链相乘问题时动态规划算法的另一个例子.给定一个n个矩阵的序列(矩阵链)<A1,A2,...,An>,我们希望计算它们的乘积 A1A2...An 为了计算表 ...
C++matrix chain multiplication矩阵链乘法算法的实现(附完整源码)
C++lmatrix chain multiplication矩阵链乘法算法的实现 C++matrix chain multiplication矩阵链乘法算法的实现的完整源码(定义,实现,main函数 ...
15.2 矩阵链乘法
1.代码 public class MatrixChainMultiplication {public static void main(String[] args) { // 在该代码中,我们首先创 ...
动态规划典型题之——矩阵链乘法
动态规划是算法分析与设计中一种重要的算法.其核心思想是将大问题划分为小问题进行解决,从而一步步获取最优解的处理算法. 文章目录一.矩阵链相乘问题二.求解 1.构建备忘录 2.回溯结果展示一.矩 ...
c语言备忘录算法矩阵链乘,矩阵链乘法（备忘录法）
/* * @fileMemoMatrixchain.cpp * @briefa solution of martrix chain with memorized way. * @author/Univ ...
矩阵相乘的strassen算法_矩阵乘法的Strassen算法+动态规划算法（矩阵链相乘和硬币问题）...
矩阵乘法的Strassen 这个算法就是在矩阵乘法中采用分治法,能够有效的提高算法的效率. 先来看看咱们在高等代数中学的普通矩阵的乘法两个矩阵相乘上边这种普通求解方法的复杂度为: O(n3) 也称 ...

矩阵链乘法问题（算法）

三、输出最优构造划分:

矩阵链乘法问题（算法）相关推荐

最新文章

热门文章

矩阵链乘法问题 （算法）

三、输出最优构造划分:

矩阵链乘法问题 （算法）相关推荐

最新文章

热门文章

矩阵链乘法问题（算法）

矩阵链乘法问题（算法）相关推荐