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)
也称之为暴力求解或者朴素求解
这是暴力求解的代码,三重循环,显然复杂度是O(n3)
、
voidMul(int** matrixA,int** matrixB,int** matrixC)
{
for(inti = 0; i < 2; ++i)
{
for(intj = 0; j < 2; ++j)
{
matrixC[i][j] = 0;
for(intk = 0; k < 2; ++k)
{
matrixC[i][j] += matrixA[i][k] * matrixB[k][j];
}
}
}
、
由于不满足上边这种复杂度太大,德国某位牛人开始找另外的解法了
先分析一下下边的
将一个矩阵分成四块
如上图,A和B矩阵都被分成了四块,该算法复杂度依然是n3,于是上边那位老哥不服,他觉得这不是最优的解,还有更优的,于是他分析了上边是四个等式,四个等式中有八个乘法,四个加法
矩阵乘法的复杂度主要就是体现在相乘上,而多一两次的加法并不会让复杂度上升太多。故此,老哥思考,是否可以让矩阵乘法的运算过程中乘法的运算次数减少,从而达到降低矩阵乘法的复杂度,我们都知道,想要获取时间上的效率,很多时候都是以空间换时间,于是老哥定义了七个变量
这七个变量均是矩阵,ABCDEFGH原来两个相乘矩阵里边划分好的八个小矩阵
图三
或者看这个图,总之七个矩阵变量是要求的(PPT上和这差不多,只是变量顺序换了)
图四
求出则七个矩阵,就能求出A*B的值
这个图就是A*B的值,至于为什么能求出来,归功于牛人构造的七个巧妙的式子,利用七个式子之间的关系就求出了下边四个变量,也就是解
图五
最后那老哥证明了,这个复杂度是这个
图六
顺带复习一下PPT上这个
如对于上边图六那个公式,a=7,k=2,b=2 显然7>2^2,所以套第三个T(n)
动态规划算法
动态规划和分治法相似,都是通过组合字问题来求解原问题,不同之处在于分治法的子问题互不干涉、互不交叉,而动态规划相反,它会利用已经求解的子问题进而求解新的子问题
先举个简单的例子感受一蛤什么是动态规划
钱币问题——用面值1元、3元、5元的硬币,如何用最少的硬币凑到11块钱?
第一步要想的就是,怎么把一个大问题变小问题
既然要求最少的硬币凑到11块钱,这里用c[i]=表示凑到i元最小要j个硬币
那我先求最少的硬币凑到0块钱,显然需要0个硬币,所以才c[0]=0
接下来求最少的硬币凑到1块钱,现在只有面值1块的能用,我就用一个,用完之后还需凑0元,这时才c[0]=0已知,所以才c[1]=1+c[0]=1
接下来求最少的硬币凑到2块钱,现在只有面值1块的能用,我也先用一个,用完之后还需凑1元,这时才c[1]=1已知,所以c[2]=1+c[1]=2
接下来求最少的硬币凑到3块钱,现在有面值1块的和三块的,如果我先用一个3块的,用完之后还需凑0元,这时才c[0]=0已知,所以c[3]=1+c[0]=1;如果我先用一个1块的,用完之后还需凑2元,这时才c[2]=2已知,所以c[3]=1+c[2]=3,取这两种中的最小的那种情况
后边的以此类推....
矩阵链乘法
如果要求n个给定序列的矩阵相乘的乘积(比如ABCDEFG),矩阵具有结合律,所以计算的步骤有很多种选择,但如果结合律用的不好会产生比较大的代价
在了解这个咱们要研究算法是干啥的之前,先了解几个概念
1、矩阵相容:也就是两个矩阵要能够相乘,即A的列数等于B的行数
2、标量乘法:若A是p*q,B是 q*r,则A*B的代价就是其标量乘法,也就是pqr
所以要求n个给定序列的矩阵相乘的乘积,我们要研究使得该成绩代价最小,也就是其标量乘法次数之和最少(这块最好参照一下算法导论211页很详细),说白了,就是在乘法式子中如何打括号
官方的话就不说了,直接上一串矩阵,你应该干什么和怎么干,哈哈,怎么干
图中给出了6个矩阵相乘,你应该做的就是给它大括号,决定计算顺序,使得计算代价最小
这个就是m[ ][ ]的算法 int t= m[i][k]+ m[k+1][j]+p[i-1]*p[k]*p[j] 、
现在来解释一下上边的这个算法,我只能说老师的PPT略傻逼,都没怎么解释
m[i][j]表示矩阵从第i个矩阵乘到第j个矩阵的最小代价
int t= m[i][k]+ m[k+1][j]+p[i-1]*p[k]*p[j] :
上边这个算法的意思是,第i个矩阵到第k个矩阵相乘的代价+第k个矩阵到第j个矩阵相乘的代价,加上这两个乘好了的前后两个矩阵相乘的代价
然后理解了怎么算,从小到大算就OK了,按照斜线的顺序算,i和j挨着越近越好算,先算对角线,全是0,再算m[1][2],m[2][3],m[3][4]...以此类推,因为后边计算的斜线,会用到上一条斜线上那些数
比如算m[1][3]会用到m[1][1],m[1][2],m[2][3],m[3][3]
最后解释一下怎么找分解点,也就是在哪打括号,下边图的矩阵是标记矩阵,也就是在动态规划的过程中,你每次的最优解是在哪划分的它会记录下来,如果要求A[1][6]怎么打括号,找到s[1][6]=3,然后在A[1][3]和A[3][6]里重复上边的步骤,每个找到的点都是分界点..比如第一个找到的3
【6】】
来自moonsmile的祝福~
明天将推出贪心算法
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)...相关推荐
- c++矩阵出现奇怪的数_如何理解人们在决策中的“矩阵”运算?
我们如何认识这个世界?我们对世界的认识其实就是世界在我们观念中的"投影". "投影",原意是把一个三维的物体投射到一个二维的平面,这个平面上的形状就是投影.因此 ...
- 中线提取算法_综述|线结构光中心提取算法研究发展
摘 要: 线结构光扫描是三维重建领域的关键技术.光条纹中心提取算法是决定线结构光三维重建精度以及光条纹轮廓定位准确性的重要因素.本文详细阐述了光条纹中心提取算法的理论基础及发展历程,将现有算法分为三类 ...
- 病虫害模型算法_基于深度学习的目标检测算法综述
sigai 基于深度学习的目标检测算法综述 导言 目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像 ...
- eq值 推荐算法_利用 SVD 实现协同过滤推荐算法
奇异值分解(Singular Value Decomposition,以下简称SVD) 是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域. ...
- 协同过滤算法_基于用户的协同过滤推荐算法原理和实现
(给算法爱好者加星标,修炼编程内功) 来源:Create Chen's Blog https://www.cnblogs.com/technology/p/4467895.html 在推荐系统众多方法 ...
- 最大公约数简便算法_求最大公约数的4种算法
for(z=0; z<10000000; z++) 循环只是为了增加程序的运行时间, 让我们体会算法的时间复杂度. 算法一:短除法 想法,采用短除法找出2个数的所有公约数,将这些公因子相乘,结果 ...
- 蝴蝶优化算法_腾讯机智团队分享--AllReduce算法的前世今生
从事分布式深度学习相关工作的同学,应该都频繁地用到了AllReduce(规约)操作. 图1 AllReduce的示意图 但是对于训练框架中集成的AllReduce相关操作,其背后实现的原理是什么? 除 ...
- k means聚类算法_一文读懂K-means聚类算法
1.引言 什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...
- etc的常见算法_谈常用的几个机器学习算法,学懂算法也可以这么简单!
本文的目的,是务实.简洁地盘点一番当前机器学习算法.文中内容结合了个人在查阅资料过程中收集到的前人总结,同时添加了部分自身总结,在这里,依据实际使用中的经验,将对此类模型优缺点及选择详加讨论 主要回顾 ...
- hash算法_到底什么是Hash?Hash算法的原理和实际应用讲解
提到hash,相信大多数同学都不会陌生,之前很火现在也依旧很火的技术区块链背后的底层原理之一就是hash,下面就从hash算法的原理和实际应用等几个角度,对hash算法进行一个讲解. 1.什么是Has ...
最新文章
- Zabbix之监控Mysql性能
- 【OpenCV3】图像通道分离与合并——cv::split()与cv::merge()详解
- drf3 Serializers 序列化组件
- Windows系统带你一步一步无脑使用babel
- python3扫雷代码_python3 命令行 扫雷
- python correlation_python scipy stats.random_correlation用法及代码示例
- PHP程序员必须收藏的资源大全
- esxi不能识别Intel 网卡怎么办
- Linux下TTY与PTY的区别
- android内存泄露问题分析,内存泄露实例分析 -- Android内存优化第四弹
- 在线工具:找到神器,助你轻松应对各种职场难题
- 360有支持linux系统的吗,观点|360 安全卫士 for Linux 使用结果
- 给自己做个文件的保险箱
- Scratch编程——跳一跳
- 【Android 第三方SDK】breakpad在linux下编译
- 2021年危险化学品经营单位主要负责人考试试卷及危险化学品经营单位主要负责人模拟考试
- java 电商 插件 开发_JAVA项目实战开发电商项目案例(六与七)商品分类与商品模块管理开发...
- “跑路风波”的内在缘由?P2P网络信贷将何去何从?
- 在python中print表示的数据类型是_【Python连载】那些必须掌握的Python数据类型
- Caffe中Convolution层
热门文章
- python数据处理常用函数_pytorch中的自定义数据处理详解
- tomcat服务器通过配置来部署程序
- 两个数相乘积一定比每个因数都大_人教版五年级数学:因数、倍数与分数的整理与复习...
- linux临时文件创建失败,-bash: 无法为立即文档创建临时文件: 设备上没有空间
- 深度学习基础实战使用MNIST数据集对图片分类
- 计算机usb端口没反应,技术编辑教您电脑usb接口没反应怎么办
- c# mysql sdr_C#结合数据库实现验证识别ID卡内容的方法
- 【安卓开发 】Android初级开发(二)Activity启动模式
- concat合并的数组会有顺序么_JS 数组操作 记录 笔记
- 《地下城与勇士歼灭贝内尔》回合格斗