动态规划--矩阵链乘法

一、问题描述 

　　矩阵乘法规则

　　如果A是a*b的矩阵，B是b*c的矩阵，那么AB就是a*c的矩阵，所做的乘法次数为a*b*c

　　矩阵链乘法

　　给定一个矩阵链A₁A₂A₃A_4，要计算乘积，给这个矩阵链加上括号，来改变运算次序。

　　如果矩阵链为（A_1，A_2，A_3，A₄），那么有如下5中加括号的方式：

　　（A₁（A₂（A₃A₄）））

　　（A₁（（A₂A₃）A₄））

　　（（A₁A₂）（A₃A₄））

　　（（A₁（A₂A₃））A₄）

　　（（（A₁A₂）A₃）A₄）

　　而改变矩阵的运算次序，能改变所做乘法的运算次数，比如说3个矩阵的链（A1，A2，A3），假设3个矩阵的维数分别为10*100，100*5，5*50。按照（（A1，A2）A3）的次序来计算，需要10*100*5+10*5*50=7500次乘法。但如果按照（A1（A2，A3））的次序来计算，则需要100*5*50+10*100*50=75000次乘法，慢了10倍。

　　总而言之，矩阵链中不同的运算顺序会导致运算次数有很大的差异

　　矩阵链乘法问题

　　矩阵链乘法问题就是寻找一个最佳的运算次序，使所做的乘法次数最小

　　p[n+1]：表示n个矩阵的维度，其中矩阵Ai的维度为pi-1*pi

 二、问题分析

　　由前面可知，一个序列如果只有一个矩阵，则只有一种方式加全部括号，如果有两个或两个以上的矩阵，则必然可以看做两个子序列的乘积，且这两个子序列又可以分解成更小的两个子序列的乘积（两个矩阵相乘的运算次数看前面）。我们用cost(i,j)表示序列A_i…A_j在最优加全部括号时的标量乘积次数，则

其中p_i-1p_k p_j为子序列A_i…A_k与A_k+1…A_j相乘时的标量相乘次数。

三、代码实现

　　代码中，测试用例为6个矩阵相乘，各个矩阵的维度存放在p中

int main()
{
	//代表矩阵链
	int p[7] = {30,35,15,5,10,20,25};
	//mij表示矩阵i到矩阵j的最小代价
	int m[7][7] = {0};
	//sij表示矩阵i到矩阵j最小代价的分割点
	int s[7][7];
　　　　　//长度为1的矩阵代价设为0
	for (int i = 1; i <= 6; i++)
		m[i][i] = 0;
	//对于每一个大于1的长度
	for (int j = 2; j <= 6; j++)
		//k为左端点位置，取值不能大于6-k+1，这是计算位置的方式，要记得，
		for (int k = 1; k <= 6 - j + 1; k++) {
			int end = k + j - 1;//end为右端点位置
			m[k][end] = 999999;
　　　　　　　　　　　　　　//计算代价，图个代价等于划分位置两边的矩阵代价，加上两矩阵合并代价
			for (int n = k; n <= end; n++) {
				int temp = m[k][n] + m[n + 1][end] + p[k-1] * p[n] * p[end];
				if (temp < m[k][end]) {
					m[k][end] = temp;
					s[k][end] = n;
				}
			}
		}
	cout << m[1][6] << endl;

	system("pause");
    return 0;
}

　　最终输出结果为15125，表示最优运算次数。