动态规划矩阵连乘算法.docx

实用标准文档

实用标准文档

文案大全

文案大全

问题描述：给定n个矩阵：A,A,...,A，其中A与A 是可乘的，i=1，

问题描述

1 2 n i i+1

2...，n-1。确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。输入数据为矩阵个数和每个矩阵规模，输出结果为计算矩阵连乘积的计算次序和最少数乘次数。

问题解析：由于矩阵乘法满足结合律，故计算矩阵的连乘积可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。若一个矩阵连乘积的计算次序完全确定，也就是说该连乘积已完全加括号，则可以依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。

完全加括号的矩阵连乘积可递归地定义为：

单个矩阵是完全加括号的；

矩阵连乘积A是完全加括号的，则A可表示为2个完全加括号的矩阵连乘积B和C的乘积并加括号，即A=(BC)

例如，矩阵连乘积AAAA有5种不同的完全加括号的方式：

123 4

(A(A(AA)))，(A

((AA)A))，((AA

)(AA))，((A(AA

))A)，

1 2 3 4

1 23 4

1 2 34

1 23 4

(((AA)A)A)。每一种完全加括号的方式对应于一个矩阵连乘积的计算

1 2 3 4

次序，这决定着作乘积所需要的计算量。

看下面一个例子，计算三个矩阵连乘{A1，A2，A3}；维数分别为10*100,100*5,5*50按此顺序计算需要的次数

((A*A)*A):10X100X5+10X5X50=7500次，按此顺序计算需要的次数

1 2 3

(A*(A*A)):10*5*50+10*100*50=75000次

1 2 3

所以问题是：如何确定运算顺序，可以使计算量达到最小

化。

算法思路：

分别是：

例：设要计算矩阵连乘乘积AAAAAA，其中各矩阵的维数

1 23 45 6

A：30*35; A：35*15; A：15*5; A：

1 2 3 4

5*10; A：10*20; A：20*25

5 6

递推关系：

设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n]。

当i=j时，A[i:j]=A，因此，m[i][i]=0，i=1,2,…,n

i

当ij时，若A[i:j]的最优次序在A和A 之间断开，i=kj,

k k+1

则：m[i][j]=m[i][k]+m[k+1][j]+p pp。由于在计算是并不知道断开

i-1 kj

点k的位置，所以k还未定。不过k的位置只有j-i个可能。因此，k

是这j-i个位置使计算量达到最小的那个位置。综上，有递推关系如下：

构造最优解：

若将对应m[i][j]的断开位置k记为s[i][j]，在计算出最优

值m[i][j]后，可递归地由s[i][j]构造出相应的最优解。s[i][j]中的数表明，计算矩阵链A[i:j]的最佳方式应在矩阵A和A 之间断开，即

k k+1

最优的加括号方式应为(A[i:k])(A[k+1:j)。因此，从s[1][n]记录的信息可知计算A[1:n]的最优加括号方式为(A[1:s[1][n]])(A[s[1][n]+1:n])，进一步递推，A[1:s[1][n]]的最优加括号方式为(A[1:s[1][s[1][n]]])(A[s[1][s[1][n]]+1:s[1][s[1][n]]])。同理可

以确定A[s[1][n]+1:n]的最优加括号方式在s[s[1][n]+1][n]处断开...照此递推下去，最终可以确定A[1:n]的最优完全加括号方式，及构造出问题的一个最优解。

1、穷举法

列举出所有可能的计算次序，并计算出每一种计算次序相应需要的数乘次数，从中找出一种数乘次数最少的计算次序。

对于n个矩阵的连乘积，设其不同的计算次序为P(n)。每种

加括号方式都可以分解为两个子矩阵的加括号问题：(A

...A

)(A

…A)

可以得到关于P(n)的递推式如下：

1 k k+1 n

以上递推关系说明，P(n)是随n的增长呈指数增长的。因此，穷举法不是一个多项式时间复杂度算法。

2、重叠递归

从以上递推关系和构造最优解思路出发，即可写出有子问题重叠性的递归代码实现：

//3d1-1重叠子问题的递归最优解

//A130*35A235*15A315*5A45*10A510*20A620*25

//p[0-6]={30,35,15,5,10,20,25}

#includestdafx.h#includeiostreamusingnam