矩阵连乘 (动态规划)

动态规划法
题目描述:给定n个矩阵{A1,A2....An},其中Ai与Ai+1是可以相乘的,判断这n个矩阵通过加括号的方式相乘,使得相乘的次数最少!

以矩阵链ABCD为例
按照矩阵链长度递增计算最优值
矩阵链长度为1时,分别计算出矩阵链A、B、C、D的最优值
矩阵链长度为2时,分别计算出矩阵链AB、BC、CD的最优值
矩阵链长度为3时,分别计算出矩阵链ABC、BCD的最优值
矩阵链长度为4时,计算出矩阵链ABCD的最优值

动归方程:


分析:

k为矩阵链断开的位置
d数组存放矩阵链计算的最优值,d[i][j]是以第i个矩阵为首,第j个矩阵为尾的矩阵链的最优值,i > 0
m数组内存放矩阵链的行列信息,m[i-1]和m[i]分别为第i个矩阵的行和列(i = 1、2、3...)

c语言实现代码:
#include <stdio.h>
#define N 20
void MatrixChain(int p[N],int n,int m[N][N],int s[N][N]){
	int i,j,t,k;	
	int r;							//记录相乘的矩阵个数变量
	for(i=1;i<=n;i++){
		m[i][i]=0;					//当一个矩阵相乘时,相乘次数为 0 
	} 	
	//矩阵个数从两个开始一次递增 
	for(r=2;r<=n;r++){
		//从某个矩阵开始		 
		for(i=1;i<=n-r+1;i++){
			//到某个矩阵的结束 
			j=i+r-1;
			//拿到从 i 到 j 矩阵连乘的次数 
			m[i][j]=m[i+1][j]+p[i-1]*p[i]*p[j];
			//拿到矩阵连乘断开的位置 
			s[i][j]=i;
			//寻找加括号不同,矩阵连乘次数的最小值,修改 m 数组,和断开的位置 s 数组 
			for(k=i+1;k<j;k++){
				t=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
				if(t<m[i][j]){
					m[i][j]=t;
					s[i][j]=k;
				}
			}
		}
	} 
}

int main(void){
	int n,n1,m1,i,j=2;
	int p[N]={0};					//存储矩阵的行和列数组 
	int m[N][N]={0};				//存储矩阵与矩阵相乘的最小次数
	int s[N][N]={0};				//存储矩阵与矩阵相乘断开的位置 
	printf("请输入矩阵个数:\n");
	scanf("%d",&n);
	for(i=1;i<=n;i++){
		printf("请输入第%d个矩阵的行和列(n1*m1 格式):",i);
		scanf("%d*%d",&n1,&m1);
		if(i==1){
			p[0]=n1;
			p[1]=m1;
		}
		else{
			p[j++]=m1;
		}
	}
	printf("\n记录矩阵行和列:\n");
	for(i=0;i<=n;i++){
		printf("%d ",p[i]);
	}
	printf("\n");
	MatrixChain(p,n,m,s);
	printf("\n矩阵相乘的最小次数矩阵为:\n");
	for(i=1;i<=n;i++){
		for(j=1;j<=n;j++){
			printf("%d    ",m[i][j]);
		}
		printf("\n");
	}
	printf("\n矩阵相乘断开的位置矩阵为:\n");
	for(i=1;i<=n;i++){
		for(j=1;j<=n;j++){
			printf("%d ",s[i][j]);
		}
		printf("\n");
	}
	printf("矩阵最小相乘次数为:%d\n",m[1][n]);
	return 0;
}
### 矩阵连乘问题动态规划实现与分析 #### 1. 问题描述 矩阵连乘问题给定一系列矩阵 \( A_1, A_2, \ldots, A_n \),其维度分别为 \( p_0 \times p_1, p_1 \times p_2, \ldots, p_{n-1} \times p_n \)。目标是找到一种括号化的计算顺序,使得总的标量乘法次数最少。 为了达到这一目的,可以通过动态规划的方法来求解最优解[^1]。 --- #### 2. 动态规划的核心思想 动态规划的关键在于将原问题分解成若干子问题,并利用这些子问题的结果构建最终解。对于矩阵连乘问题: - 定义状态:设 \( m[i][j] \) 表示从第 \( i \) 到第 \( j \)矩阵相乘所需的最小运算次数。 - 转移方程: 假设在位置 \( k \) 处断开,则有: \[ m[i][j] = \min_{i \leq k < j} (m[i][k] + m[k+1][j] + p_{i-1} \cdot p_k \cdot p_j) \] 这里的 \( p_{i-1}, p_k, p_j \) 是对应矩阵的维数[^3]。 - 边界条件:如果只有一个矩阵(\( i=j \)),则不需要任何运算,即 \( m[i][i]=0 \)。 --- #### 3. 算法实现 以下是基于上述理论的 Python 实现代码: ```python def matrix_chain_order(dimensions): n = len(dimensions) - 1 # 矩阵数量 INF = float('inf') # 初始化代价表和分割点表 m = [[0 for _ in range(n)] for __ in range(n)] s = [[0 for _ in range(n)] for __ in range(n)] # 枚举链长度 for chain_length in range(2, n + 1): # 链长度从2到n for i in range(n - chain_length + 1): j = i + chain_length - 1 m[i][j] = INF for k in range(i, j): cost = m[i][k] + m[k+1][j] + dimensions[i]*dimensions[k+1]*dimensions[j+1] if cost < m[i][j]: m[i][j] = cost s[i][j] = k # 记录最佳断点 return m, s # 打印最优加括号方式 def print_optimal_parens(s, i, j): if i == j: print(f"A{i}", end="") else: print("(", end="") print_optimal_parens(s, i, s[i][j]) print_optimal_parens(s, s[i][j]+1, j) print(")", end="") # 测试数据 dimensions = [30, 35, 15, 5, 10, 20, 25] m, s = matrix_chain_order(dimensions) print("\nMinimum number of multiplications:", m[0][-1]) # 输出最小乘法次数 print("Optimal Parenthesization:") print_optimal_parens(s, 0, len(dimensions)-2) # 输出最优括号化方案 ``` --- #### 4. 时间复杂度与空间复杂度 - **时间复杂度**:由于需要填充一个大小为 \( O(n^2) \) 的表格,并且每次更新都需要考虑最多 \( O(n) \) 种可能性,因此总的时间复杂度为 \( O(n^3) \)[^2]。 - **空间复杂度**:存储两个二维数组 \( m \) 和 \( s \),故空间复杂度为 \( O(n^2) \)。 --- #### 5. 结果解释 运行以上程序后,可以获得两部分结果: 1. 最少的标量乘法次数; 2. 对应的最佳括号化表示形式。 例如,在测试数据 `dimensions=[30, 35, 15, 5, 10, 20, 25]` 下,输出如下: ``` Minimum number of multiplications: 15125 Optimal Parenthesization: ((A0(A1A2))((A3A4)A5)) ``` 这表明按照这种括号化的方式进行矩阵连乘可以达到最低的运算成本。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值