一.问题描述
给定n个矩阵{A1,A2,……,An},其中Ai与Ai+1是可乘的,i=1,2,……,n-1。
例如:
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((A1*A2)*A3):10X100X5+10X5X50=7500次
按此顺序计算需要的次数(A1*(A2*A3)):10X5X50+10X100X50=75000次
所以要解决的问题是:如何确定矩阵连乘积A1A2,……An的计算次序,使得按此计算次序计算矩阵连乘积需要的数乘次数达到最小化。
二.问题分析
由于矩阵乘法满足结合律,所以计算矩阵连乘的连乘积可以与许多不同的计算计算次序,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,也就是说连乘积已完全加括号,那么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:
(1).单个矩阵是完全加括号的;
(2).矩阵连乘积A是完全加括号的,则A可以表示为2个完全加括号的矩阵连乘积B和C的乘积并加括号,及A=(BC);
举个例子,矩阵连乘积A1A2A3A4A5,可以有5种不同的完全加括号方式:
(A1(A2(A3A4))),(A1((A2A3)A4)),((A1A2)(A3A4)),((A1(A2A3))A4),(((A1A2)A3)A4)
每一种完全加括号的方式对应一种矩阵连乘积的计算次序,而矩阵连乘积的计算次序与其计算量有密切的关系,即与矩阵的行和列有关。
补充一下数学知识,矩阵A与矩阵B可乘的条件为矩阵A的列数等于矩阵B的行数,例如,若A是一个p*q的矩阵,B是一个q*r的矩阵,则其乘积C=AB是一个p*r的矩阵。
三.问题求解
1.分析最优子结构:计算一组矩阵连乘,可以将该组矩阵从中间某一位置断开,分别计算左右两个小组矩阵连乘,以此类推,直到只剩下两个矩阵相乘,则只有一种次序。与分治法不同的是,计算其中某一组矩阵连乘,会用到其下方计算得到的解,而且分析可得,当底层小组连乘时是采用最佳次序,那么以此得到的更高层的解也是最佳次序,即问题的最优解可以由子问题的最优解来体现。
2.建立递归关系:如下图所示公式
3.计算最优值:自底向上进行计算,并将得到的子问题的解保存下来,之后用到的时候直接查找使用。
#include <iostream> using namespace std; #define N 6 //各矩阵维数数组P[n+1],数组长度n,子问题解数组m,最优断开位置数组s void MatrixChain(int p[],int n,int m[N][N],int s[N][N]) { for(int i=0;i<n;i++) {m[i][i]=0;s[i][i]=0;} //单元素矩阵无需相乘 for(int r=1;r<n;r++) { for(int i=0;i<n-r;i++) { int j=i+r; m[i][j]=m[i][i]+m[i+1][j]+p[i]*p[i+1]*p[j+1]; s[i][j]=i; for(int k=i+1;k<j;k++) { int t=m[i][k]+m[k+1][j]+p[i]*p[k+1]*p[j+1]; if(t<m[i][j]){ m[i][j]=t; s[i][j]=k; } } } } } //计算最优解 void Traceback(int i,int j,int s[N][N]) { if(i==j)return; Traceback(i,s[i][j],s); Traceback(s[i][j]+1,j,s); cout<<"Multiply A "<<i<<","<<s[i][j]; cout<<" and A "<<s[i][j]+1<<","<<j<<endl; } int main() { int p[]={30,35,15,5,10,20,25}; int m[N][N],s[N][N]; MatrixChain(p,N,m,s); for(int i=0;i<N;i++) { for(int j=i;j<N;j++) cout<<m[i][j]<<" "; cout<<endl; } for(int i=0;i<N;i++) { for(int j=i;j<N;j++) cout<<s[i][j]<<" "; cout<<endl; } Traceback(0,5,s); }
四.复杂度分析:最坏时间复杂度O(n^3);