[训练]算法设计与分析_动态规划(第四章).ppt

计算机算法设计与分析 第四章动态规划 矩阵连乘问题 给定n个矩阵：A1, A2, …, An，其中Ai与Ai+1是可乘的。确定一种连乘的顺序，使得矩阵连乘的计算量为最小。 设A和B分别是p×q和q×r的矩阵，则乘积C=AB为p×r的矩阵，计算量为pqr次数乘。 但是对于多于2个以上的矩阵连乘，连乘的顺序却非常重要，因为不同的顺序的总计算量将会有很大的差别。 不同计算顺序的差别 设矩阵A1, A2和A3分别为10×100, 100×5和5×50的矩阵，现要计算A1A2A3 。 若按((A1A2)A3)来计算，则需要的数乘次数为10×100×5 + 10×5×50 = 7500 若按(A1(A2 A3))来计算，则需要的数乘次数为100 ×5 ×50+ 10×100×50 = 75000 不同计算顺序的数量 设n个矩阵的连乘有P(n)个不同的计算顺序。 不同计算顺序的数量 设n个矩阵的连乘有P(n)个不同的计算顺序。 分解最优解的结构 将AiAi+1…Aj的矩阵连乘问题记为A[i: j]。 设A[1: n] 的一个最优解是在Ak和Ak+1处断开的，即A[1: n] = (A[1: k] A[k+1: n])，则A[1: k]和A[k+1: n]也分别是其最优解。 否者，若有A[1: k]的一个计算次序的计算量更少的话，则用此计算次序替换原来的次序，则得到A[1: n]一个更少计算量。矛盾。同理A[k+1: n]也是最优解。 最优子结构性质 A1A2…An的矩阵连乘问题，即A[1: n]，的最优解中的子问题A[1: k]和A[k+1: n]的解也是该子问题的最优解。 最优子结构性质：如果某问题的每个最优解中的子问题的解也是最优的，则称该问题具有最优子结构性质。 换言之，满足最优子结构性质的问题的最优解是由子问题的最优解构成的。 建立递归关系 令m[i][j] , 1≤i, j≤n，为计算A[i, j] 的最少数乘次数，则原问题为m[1][n]。 当i = j时，A[i, j]为单一矩阵， m[i][j] = 0； 当i＜j时，利用最优子结构性质有： 递归的执行过程 该递归自顶向下地执行，如A[1: 4]计算： 直接递归的时间复杂性 根据该递归式不难得出的时间复杂性为 递归的执行过程 在此递归的执行中有大量重复计算： 子问题个数最多为O(n2) 可在计算过程中保存已解子问题的答案。这样，每个子问题只要计算一次，而在后面需要该子问题答案时只要简单查一下，从而避免了重复计算。 计算方式可从最简单的子问题开始，依据递归式自底向上地进行。 自底向上的计算 例如对于A1A2A3A4，依据递归式以自底向上的方式计算出各个子问题，其过程如下： 自底向上的计算 例如对于A1A2A3A4，依据递归式以自底向上的方式计算出各个子问题，其过程如下： 自底向上的计算 例如对于A1A2A3A4，依据递归式以自底向上的方式计算出各个子问题，其过程如下： 自底向上的计算 例如对于A1A2A3A4，依据递归式以自底向上的方式计算出各个子问题，其过程如下： 矩阵连乘算法 给矩阵连乘算法取个名字MatrixChain。 矩阵连乘算法 MatrixChain(形参表） { 初始化； 自底向上地计算每一个m[i][j]并将结果填入表中。 } 矩阵连乘算法的数据结构 形参表中应有n和P[n+1]。 算法需要两个二维数组： 二维矩阵m[n][n]。其每个元素m[i][j] , 1≤i, j≤n，为A[i, j] 的最少数乘次数。 二维矩阵s[n][n]，其元素s[i][j] , 1≤i, j≤n，为计算A[i, j] 的断点位置。 矩阵连乘算法 MatrixChain(n, P[n+1]） { 矩阵连乘算法 MatrixChain(n, P[n+1]） { 矩阵连乘算法 MatrixChain(n, P[n+1]） { 矩阵连乘算法 MatrixChain(n, P[n+1]） { 矩阵连乘算法 MatrixChain(n, P[n+1]） { MatrixChain的运行举例 MatrixChain用矩阵m[i][j], s[i][j]存放子问题A[i: j]的最小计算量以及相应的断点。 MatrixChain的运行举例 MatrixChain将如下面红色箭头所示的过程逐个计算子问题A[i: j]： 。 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 MatrixChain的运行举例 Ma