开心的mdd

描述

himdd有一天闲着无聊,随手拿了一本书,随手翻到一页,上面描述了一个神奇的问题,貌似是一个和矩阵有关的东西。

给出三个矩阵和其行列A1(10*100),A2(100*5),A3(5*50)。现在himdd要算出计算矩阵所要的乘法次数,他发现不同的计算次序,所要的乘法次数也不一样,

如:

(A1*A2)*A3 : 10*100*5+5*10*50=7500;

A1*(A2*A3) : 5*100*50+10*100*50 =75000;

他想知道计算矩阵所要的最少乘法次数是多少,很快一个解法就诞生了,有点小happy~~现在他想问问你是否也能找出一个解法呢?

注意:矩阵不可改变顺序。

输入
有多组测试数据(<=100),每组表述如下:
第一行,有一个整数n矩阵的个数(1<=n<=100)
接下来有n行
第i行有两整数,r,c表示第i个矩阵的行列;(1<=r,c<=100)
输出
输出计算矩阵所要的最少乘法次数。
样例输入
3
10 100
100 5
5 50
样例输出
7500


这道题就是一个矩阵连乘问题,动态方程为

dp[i][j] = min ( dp[i][k]+dp[k+1][j]+p[i-1]*p[k]*p[j] ) ( i <= k < j )

不过k=j时另外算,数组表示的是i-j的最少连乘次数。

#include <stdio.h>
const int maxn = 105;
int p[maxn], cnt, dp[maxn][maxn];
void Matrix ( )
{
    for ( int i = 0; i < cnt; i ++ )
        dp[i][i] = 0;
    for ( int r = 2; r <= cnt; r ++ )   //表示长度
    {
        for ( int i = 1; i <= cnt-r+1; i ++ )   //表示i-j的矩阵连乘最少次数
        {
            int j = i+r-1;  //结束位置
            dp[i][j] = dp[i+1][j]+p[i-1]*p[i]*p[j]; //在i断开算一次
            for ( int k = i+1; k < j; k ++ )    //在k位置断开
            {
                int t = dp[i][k]+dp[k+1][j]+p[i-1]*p[k]*p[j];
                if ( t < dp[i][j] )
                    dp[i][j] = t;
            }
        }
    }
    printf ( "%d\n", dp[1][cnt] );
}
int main ( )
{
    int n, u, v;
    while ( ~ scanf ( "%d", &n ) )
    {
        cnt = 1;
        scanf ( "%d%d", &p[0], &p[1] );
        for ( int i = 1; i < n; i ++ )
        {
            scanf ( "%d%d", &u, &v );
            p[++ cnt] = v;
        }
        Matrix ( ); //矩阵连乘
    }
    return 0;
}



### 关于 MDD 数据集 MDD(Multi-Dimensional Data)通常指代多维数据,在不同的领域可能有不同的具体实现形式。例如,时间序列图中的 kd-MDD 方法被用于提供高效的时序图表示技术[^4]。然而,具体的 MDD 数据集下载或示例并未在上述引用中明确提及。 #### 可能的方向与资源 1. **Meta-Dataset**: 如果您关注的是元学习或多任务学习场景下的数据集管理工具,可以参考 `meta-dataset` 的官方文档和脚本。通过运行类似的命令来准备您的目标数据集[^2]: ```bash python -m meta_dataset.dataset_conversion.convert_datasets_to_records \ --dataset=<your_target_dataset> \ --<target_specific_parameters> ``` 2. **LEVIR-CD 数据集**: 虽然 LEVIR-CD 主要涉及遥感图像变化检测的任务,但它展示了先进算法的有效性评估过程。如果您希望找到更多关于复杂结构化数据的实例,可以从这类公开数据集中获取灵感[^5]。 3. **JSON 序列化存储**: 对于简单的索引型数据集合构建需求来说,利用 JSON 文件保存可能是最便捷的方式之一。这种方法易于理解和操作,并且能够很好地满足小型项目的需求[^1]。 4. **XMLA 多维数据库接口**: 若考虑从企业级商业智能平台提取现成可用的多维分析资料,则需了解如何设置并调用 XMLA 查询服务端点以访问预定义好的 OLAP 立方体等内容[^3]。 以下是基于以上讨论的一个 Python 小程序片段展示如何读写本地 json 格式的 mdd-like 结构: ```python import json def save_mdd_data(data, filename='mdd_data.json'): with open(filename, 'w') as f: json.dump(data, f) def load_mdd_data(filename='mdd_data.json'): try: with open(filename, 'r') as f: return json.load(f) except FileNotFoundError: print("File not found.") return None example_mdd = { "dimensions": ["time", "location"], "measures": {"temperature": [70, 80], "humidity":[60, 50]}, } save_mdd_data(example_mdd) loaded_data = load_mdd_data() print(loaded_data) ```
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