矩阵链乘法问题是指给定一串矩阵序列M₁M2..Mn,求至少需要进行多少次乘法运算才能求得结果
比如对于这个M₁M₂M₃的矩阵链,
我们可以先计算M₁M₂然后结果乘以M₃,也可以M₂M₃先算,然后乘以M₁,为了表达方便,可以用括号表示计算顺序。 矩阵链M₁M₂M₃有两种计算顺序:((M₁M₂)M₃)和(M₁(M₂M₃))。 那么不同计算顺序有什么区别? 对于((M₁M₂)M₃):
对于(M₁(M₂M₃)):
我们要做的就是找到让乘法运算最少的计算顺序,换言之就是找一种加括号方式,使得最后乘法运算最少
现用 optimal(M₁M₂) 表示M₁M₂最优计算成本 cost(M₁M₂) 表示M₁M₂计算成本optimal(M₁M₂)=optimal(M₁)+optimal(M₂)+cost(M₁M₂)
optimal(M₁)和optimal(M₂)均为零;同理
optimal(M₂M₃)=optimal(M₂)+optimal(M₃)+cost(M₂M₃)
(M₁M₂M₃)有两种加括号方式, 它的最优计算成本是这两种加括号方式中最优的那个,即:optimal(M₁M₂M₃)=min{optimal((M₁M₂)M₃),optimal(M₁(M₂M₃))}
显然,这里说的正是动态规划思想:我们从局部最优解出发,逐渐构造出大问题(同时局部最优解还有重叠,可以保存计算结果免去后面计算)。状态方程已经构造出来了,下面就是实际的实现
#include <iostream>
#include <algorithm>
#include <climits>
int dp[1024][1024] = { 0 };
struct Matrix {
int row;
int column;
};
int matrixChainCost(Matrix *ms, int n) {
for (int scale = 2; scale <= n; scale++) {
for (int i = 0; i <= n - scale; i++) {
int j = i + scale - 1;
dp[i][j] = INT_MAX;
for (int k = i; k < j; k++) {
dp[i][j] = std::min(dp[i][j], dp[i][k] + dp[k+1][j] + (ms[i].row*ms[k].column*ms[j].column));
}
}
}
return dp[0][n - 1];
}
int main() {
int n;
std::cin >> n; //n个矩阵组成的矩阵链
Matrix *ms = new Matrix[n];
for (int i = 0; i<n; i++) {
std::cin >> ms[i].row; //第i个矩阵的行数
std::cin >> ms[i].column; //第i个矩阵的列数
}
std::cout << matrixChainCost(ms, n);
system("pause");
return 0;
}
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有