算法矩阵列乘法 | 动态规划

Posted 鸡翅编程

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法矩阵列乘法 | 动态规划相关的知识,希望对你有一定的参考价值。

矩阵链乘法问题:给定 n 个矩阵的链<A1, A2, A3, ..., An>,矩阵 Ai 的规模为 。求完全括号化方案,使得计算乘积 所需要标量的乘法次数最少。

两个矩阵 A 和 B 只有相容,即 A 的列数等于 B 的行数时,才能相乘。如果 A 是 矩阵 ,B 是 矩阵,那么乘积 C 是 矩阵。计算 C 的进行了 次乘法运算。我们采用乘法进行的次数来表示计算的代价。

对于多个矩阵连乘的问题,我们称作矩阵链乘问题。矩阵的乘法满足结合律,因此任何加括号的方法并不会影响多个矩阵相乘的结果。 但不同的加括号的方案(改变计算顺序)会影响矩阵链乘法计算的代价:

【算法】矩阵列乘法 | 动态规划

一、算法剖析

1、最优括号化方案的结构特征

动态规划方法的第一步是寻找最优子结构,然后就可以利用这种子结构,从子问题的最优解构造出原问题的最优解。

(为方便起见,我们用 表示 的乘积结果矩阵)

  • 整体往局部看:对于每一个矩阵链 ,如果对其括号化,我们应该在某两个矩阵 之间划分开,然后我们再讨论 的括号化。
  • 再从 局部往整体看:计算 的代价 = 计算 的代价 + 计算 的代价 + 计算 的代价。

因此,为了构造一个矩阵链 乘法问题的最优解,我们可以将问题分解成两个子问题: 最优化括号问题。求出子问题的最优解后,再将子问题的最优解组合起来。

【算法】矩阵列乘法 | 动态规划

2、 一个递归的求解方案

  • 矩阵的规模对应存储在一维数组
    p[0..n] 中,矩阵 的规模为
  • 计算的代价对应储存在二维数组
    ans[1..n, 1..n] 中,我们用  ans[i, j] 表示矩阵 的最小计算代价,那么原问题的最小计算代价最终就在 ans[1, n] 内。
  • 最优分割点对应储存在二维数组 divide[1..n, 1..n] 中,我们用 divide[i, j] 记录最优代价 ans[i, j] 对应的最优分割点 d。(此数组在打印最优结构时十分有用)

根据上述最优括号化方案的结构特征,我们可以列出状态转移方程:

  • 当 i = j 时:
  • 当 i < j 时:
  • ps:
    在定义时将  ans 数组全部初始化为0。

二、算法实现

1、计算最优代价

从算法剖析中已知,本问题需要自底向上的方法:先处理好子矩阵链的最优问题,再总合起来。

那么我们实现时:应该从长度为2的矩阵链开始讨论,然后再在此基础上讨论长度为3的矩阵链...最终讨论长度的n的矩阵链,即得到答案。在某个已确定长度的讨论中,不可以漏去情况,不然会对最优值有影响。

那么我们的循环结构应该是这样:

  • 第一层循环:长度
  • 第二层循环:讨论每个长度为 l 的矩阵链
  • 第三层循环:确定最优分割点
/* 计算n元矩阵链p的最优代价
* 动态规划的每一步结果储存在 ans与 divide中 */

void MatrixChainOrder(int p[], int n) {
/* 矩阵链长度为2到n */
for (int l = 2; l <= n; l++) {
/* 讨论长度为l的矩阵链A[i..j] */
for (int i = 1; i <= n - l + 1; i++) {
int j = i + l - 1;
ans[i][j] = INT_MAX;
/* 依次讨论每一个分割点d:将矩阵链A[i..j]分成A[i..d]和 A[d+1..j] */
for (int temp, d = i; d < j; d++) {
temp = ans[i][d] + ans[d + 1][j] + p[i - 1] * p[d] * p[j];
/* 记录下矩阵链A[i..j]最小的情况 */
if (temp < ans[i][j]) {
ans[i][j] = temp;
divide[i][j] = d;
}
}
}
}
}

2、构造最优解

我们在二维数组 divide[i, j] 中已经记录了 的最优分界点,由于矩阵链的最优划分可以分解为子链的最优划分,故我们可以递归地打印出来。

/* 根据divide数组,输出A[i..j]的最优情况 */
void PrintDivide(int i, int j) {
if (i == j)
printf("A%d", i);
else {
int d = divide[i][j]; //找到分界点
printf("(");
PrintDivide(i, d);
PrintDivide(d + 1, j);
printf(")");
}
}


三、例题

矩阵链乘问题

【算法】矩阵列乘法 | 动态规划

输入:
        共两行
第一行 N ( 1<=N<=100 ),代表矩阵个数。
第二行有 N+1 个数,分别为 A1 、 A2 ...... An+1 ( 1<=Ak<=2000 ), Ak 和 Ak+1 代表第 k 个矩阵是个 Ak X Ak+1 形的。
        输出:
        共两行
第一行 M ,为最优代价。注:测试用例中 M 值保证小于
第二行为最优顺序。如 (A1((A2A3)A4)) ,最外层也加括号。注意:测试用例已经保证了输出结果唯一,所以没有AAA的情况.


具体方法上面已经详细讲解啦~

主要注意:当矩阵链中矩阵数目为1的输出要加上括号,不然会wa一个。

完整AC代码:

//
// Created by LittleCat on 2020/3/10.
//

#include <cstdio>
#include <climits>

using namespace std;
#define MAX 2010

int ans[MAX][MAX] = {0}; // 保存矩阵链 A[i..j]的最小代价
int divide[MAX][MAX] = {0}; // 记录最小代价ans[i,j]对应的分割点

/* 计算n元矩阵链p的最优代价
* 动态规划的每一步结果储存在 ans与 divide中 */

void MatrixChainOrder(int p[], int n) {
/* 矩阵链长度为2到n */
for (int l = 2; l <= n; l++) {
/* 讨论长度为l的矩阵链A[i..j] */
for (int i = 1; i <= n - l + 1; i++) {
int j = i + l - 1;
ans[i][j] = INT_MAX;
/* 依次讨论每一个分割点d:将矩阵链A[i..j]分成A[i..d]和 A[d+1..j] */
for (int temp, d = i; d < j; d++) {
temp = ans[i][d] + ans[d + 1][j] + p[i - 1] * p[d] * p[j];
/* 记录下矩阵链A[i..j]最小的情况 */
if (temp < ans[i][j]) {
ans[i][j] = temp;
divide[i][j] = d;
}
}
}
}
}

/* 根据divide数组,输出A[i..j]的最优情况 */
void PrintDivide(int i, int j) {
if (i == j)
printf("A%d", i);
else {
int d = divide[i][j]; //找到分界点
printf("(");
PrintDivide(i, d);
PrintDivide(d + 1, j);
printf(")");
}
}

int main() {
int n;
scanf("%d", &n);
int p[MAX];
for (int temp, i = 0; i <= n; i++)
scanf("%d", &p[i]);

MatrixChainOrder(p, n);
printf("%d ", ans[1][n]);
if (n == 1)
printf("(A1)");
else
PrintDivide(1, n);
printf(" ");
}




你AC了吗!

以上是关于算法矩阵列乘法 | 动态规划的主要内容,如果未能解决你的问题,请参考以下文章

算法13---动态规划矩阵链乘法

动态规划 - 矩阵链的乘法问题

动态规划 - 矩阵链乘法

算法导论--动态规划(矩阵链乘法)

动态规划之矩阵链乘法

算法分析四:动态规划