Optimal Array Multiplication Sequence UVA - 348 (最优矩阵链乘+递归输出路径+区间dp)

题目链接:https://vjudge.net/problem/19208/origin

题目大意:

对于一个a*b和b*c的矩阵相乘的结果为a*b*c, 如果有三个矩阵相乘就是a*b b*c c*d 这三个矩阵相乘,因为满足结合律,所以可以先乘后两个,再和第一个相乘。由于先乘那一对矩阵决定了运算量的大小,所以让你计算怎么结合相乘能使得运算量最小。

那么什么是运算量的大小呢:比如有三个矩阵为 2*3 3*4  4*5 的,如果先算前两个在和第三个相乘的话会得出2*3*4=>(变为)2*4的矩阵,在加上2*4*5得到2*5的矩阵,运算量为2*3*4+2*4*5=64;

而先算后两个得到3*4*5+2*3*5=90显然第一个运算量小。

然后给出每个矩阵的大小a和b。然后要求用括号分开输出。

ps:紫书p277

这是一个典型的区间dp问题,在递归打印的时候也是特别的典型,值得多做几遍。这里以每个矩阵进行dp,我要求的是从第一个到最后一个的矩阵的最小运算量。那么对于A1 X A2 X A3 X A4 X A5 X A6 X A7而言的话,我枚举每一个乘号作为分割点,假设以第三个乘号为分割点,那么就为(A1 X A2 X A3)X(A4 X A5 X A6 X A7),显然我已经把它分为两部分,然后在对这两部分进行枚举分割求值即可。课可见用记忆化搜索是比较好理解的。边界是当为一个矩阵是运算量自然是0.

那么转台转移方程为:dp[i][j]=min(dfs(i,k)+dfs(k+1,j)+a[i]*b[k]*b[j]),在这里为什么要求a[i]*b[k]*b[j]呢?因为我求的运算量,要吧每一步得运算量加起来,当我进行到此时这一步的时候,其运算量就是三个矩阵(这时把dfs(i,k)和dfs(k+1,j))都当成的一个矩阵看待,那么他的运算量就是a[i]*b[k]*b[j]了。

  还有一个大问题就是怎么输出路径呢。因为所谓的路径就是加上括号和乘号,当然在每个矩阵的后面都要有一个乘号(最后一个除外),然而括号是在我求dp的过程中而记录下来的,因为当我在第k个乘号那更新dp[i][j]的时候,也就说明我要在这时加括号,那么我就进行标记一下,让在i~j的区间k处加上左括号,回溯时补上右括号就行了

#include <iostream>
#include <bits/stdc++.h>
#define INF 0x3f3f3f3f

using namespace std;
int a[50],b[50];
int dp[50][50];
int path[50][50];
int dfs(int i,int j)
{
    int &ans=dp[i][j];
    if(ans<INF)return ans;
    if(i==j)ans=0;
    else
    {
        for(int k=i;k<j;k++)
        {
            int ret=dfs(i,k)+dfs(k+1,j)+a[i]*b[k]*b[j];
            if(ans>ret)
            {
                ans=ret;
                path[i][j]=k;
            }
        }
    }
    return ans;
}
void pr(int i,int j)
{
    if(i==j)
    {
        printf("A%d",i);
        return ;
    }
    printf("(");
    for(int k=i;k<j;k++)
    {
        if(path[i][j]==k)
        {
            pr(i,k);
            printf(" x ");
            pr(k+1,j);
            break;
        }
    }
    printf(")");
}
int main()
{
    int n;
    int w;
    w=0;
    while(scanf("%d",&n),n)
    {
        for(int i=1;i<=n;i++)
        {
            scanf("%d%d",&a[i],&b[i]);
        }
        memset(dp,INF,sizeof(dp));
        memset(path,0,sizeof(path));
        dp[1][n]=dfs(1,n);
        printf("Case %d: ",++w);
        pr(1,n);
        printf("\n");
    }
    return 0;
}


矩阵链乘问题是一个经典的动态规划问题,其目标是找到一种最优的方式来计算给定的一组矩阵连乘积。这个问题可以通过动态规划算法来解决。 动态规划算法的基本思想是将问题分解成更小的子问题,并使用已知的信息来计算更大的问题。在矩阵链乘问题中,我们可以将问题分解成计算两个矩阵的乘积的子问题,并使用已知的信息来计算更大的问题。 具体来说,我们可以定义一个二维数组m,其中m[i][j]表示从第i个矩阵到第j个矩阵的最小计算代价。我们还可以定义一个二维数组s,其中s[i][j]表示从第i个矩阵到第j个矩阵最优计算次序。 接下来,我们可以使用以下递归公式来计算m和s: m[i][j] = 0 (i = j) m[i][j] = min{m[i][k] + m[k+1][j] + ri*ck*cm} (i <= k < j) 其中,ri和ci分别表示第i个矩阵的行数和列数,cm表示两个矩阵相乘的计算代价。 使用上述递归公式,我们可以计算出所有的m[i][j]和s[i][j]。最终,我们可以通过s数组来构造出最优的计算次序,并使用m数组来计算最小的计算代价。 下面是一个Python实现的例子: ```python def matrix_chain_order(p): n = len(p) - 1 m = [[0] * n for i in range(n)] s = [[0] * n for i in range(n)] for l in range(2, n+1): for i in range(n-l+1): j = i + l - 1 m[i][j] = float(&#39;inf&#39;) for k in range(i, j): q = m[i][k] + m[k+1][j] + p[i]*p[k+1]*p[j+1] if q < m[i][j]: m[i][j] = q s[i][j] = k return m, s def print_optimal_parens(s, i, j): if i == j: print("A{}".format(i+1), end=&#39;&#39;) else: print("(", end=&#39;&#39;) print_optimal_parens(s, i, s[i][j]) print_optimal_parens(s, s[i][j]+1, j) print(")", end=&#39;&#39;) p = [30, 35, 15, 5, 10, 20, 25] m, s = matrix_chain_order(p) print_optimal_parens(s, 0, len(p)-2) print("\nMinimum cost:", m[0][len(p)-2]) ``` 输出结果为: ``` ((A1(A2A3))((A4A5)A6)) Minimum cost: 15125 ```
评论
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