当前位置:编程学习 > C/C++ >>

[算法设计]矩阵乘法

题目
设A1,A2,…,An为矩阵序列,Ai为Pi-1×Pi阶矩阵,i = 1,2,…,n. 确定乘法顺序使得元素相乘的总次数最少.
输入:向量P = <P0, P1, … , Pn>
实例:
P = <10, 100, 5, 50>  A1: 10 × 100, A2: 100 × 5, A3: 5 × 50
乘法次序:
(A1 A2)A3: 10 × 100 × 5 + 10 ×5 × 50 = 7500
        A1(A2 A3): 10 × 100 × 50 + 100 × 5 × 50 = 75000

搜索空间的规模
先将矩阵链加括号分为两部分,即P=A1*A2*...*An=(A1*A2...*Ak)*(Ak+1*...An),则有f(n)=f(1)*f(n-1)+f(2)*f(n-2)+...+f(n-1)*f(1)种方法。f(n)为一个Catalan数,所以一般的方法要计算种。

动态规划算法
输入P=< P0, P1, …, Pn>,Ai..j 表示乘积 AiAi+1…Aj 的结果,其最后一次相乘是:
Ai..j = Ai..k Ak+1..j
m[i,j] 表示得到Ai..j的最少的相乘次数。
递推方程:

为了确定加括号的次序,设计表s[i,j],记录求得最优时最一位置。

算法递归实现
由上面的递归公式,很容易得到算法的递归实现:
[cpp] 
const int N=5; 
int m[N][N]; //m[i][j]存储Ai到Aj的最小乘法次数 
int s[N][N];//s[i][j]存储Ai到Aj之间加括号的位置 
 
int RecurMatrixChain(int P[],int i,int j) 

    m[i][j]=100000; 
    s[i][j]=i; 
    if(i==j) 
        m[i][j]=0; 
    else{ 
        for(int k=i;k<j;k++){ 
            int q=RecurMatrixChain(P,i,k)+RecurMatrixChain(P,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[i][j]; 

 
int main() 

    int P[N+1]={30,35,15,5,10,20}; 
    for(int i=0;i<N;i++) 
        m[i][i]=0; 
    m[0][N-1]=RecurMatrixChain(P,0,N-1); 
    return 0; 

递归实现的复杂性
复杂性满足递推关系:

由数学归纳法可得:

可见递归实现的复杂性虽然较一般算法有改进,但还是较高。分析原因,主要是子问题重复程度高。如下图所示:


1..4表示计算Ai..j中i=1,j=4的子问题,其子问题包括A1..1,而A1..2,A1..3中都包括子问题A1..1,所以很多子问题被重复计算了多次。

于是,我们想到用自底向上的迭代实现。


算法迭代实现
迭代实现主要思想是子问题由小到大,每个子问题只计算一次,并且把结果保存起来,后来用到这个子问题时,直接代入。
[cpp]
void MatrixChain(int P[],int n) 

    int r,i,j,k,t; 
    for(i=0;i<N;i++) 
        for(j=0;j<N;j++) 
            m[i][j]=0; 
    //r为当前计算的链长(子问题规模) 
    for(r=2;r<=n;r++){   
        //n-r+1为最后一个r链的前边界 
        for(i=0;i<n-r+1;i++){ 
            //计算前边界为r,链长为r的链的后边界 
            j=i+r-1; 
            //将链ij划分为A(i) * ( (A(i+1) ... A(j) ) 
            m[i][j]=m[i+1][j]+P[i]*P[i+1]*P[j+1]; 
            //记录分割位置 
            s[i][j]=i; 
            for( k=i+1;k<j-1;k++){ 
                //将链ij划分为( A(i)...A(k) )* ( (A(k+1) ... A(j) ) 
                t=m[i][k]+m[k+1][j]+P[i]*P[i+1]*P[j+1]; 
                if(t<m[i][j]){ 
                    m[i][j]=t; 
                    s[i][j]=k; 
                } 
            } 
        } 
    } 

 
int main() 

    int P[N+1]={30,35,15,5,10,20}; 
    MatrixChain(P,N); 

迭代实现的复杂性
行7,9,16的循环为O(n),外层循环为O(1),所以算法复杂度W(n)=O(n^3)
迭代过程的一个实例
子问题由小到大的计算过程如下图所示:

结果打印
再写一个打印结果,以及打印优化函数备忘录m和标记函数的s的函数:
[cpp] 
void PrintMatrixChain(int s[][N],int i,int j) 

    if (i==j)  
    {  
        cout<<"A"<<i+1;  
    }   
    else  
    {  
        cout<<"(";  
        PrintMatrixChain(s, i, s[i][j]);  
        PrintMatrixChain(s, s[i][j]+1, j);  
        cout<<")";  
    }  

 
void PrintMS(int m[][N],int s[][N],int N) 

    for(int r=0;r<N;r++){ 
        for(int i=0;i<N-r;i++){ 
            int j=i+r; 
            cout<<"m["<<i+1<<","<<j+1<<"]="<<m[i][j]<<"\t"; 
        } 
        cout<<endl; 
    } 
    for(int r=1;r<5;r++){ 
        for(int i=0;i<N-r;i++){ 
            int j=i+r; 
            cout<<"s[

补充:软件开发 , C++ ,
CopyRight © 2022 站长资源库 编程知识问答 zzzyk.com All Rights Reserved
部分文章来自网络,