矩阵连乘-动态规划

问题描述

给定n个矩阵({ A_1,A_2,A_3 dots, A_n })，其中(A_i)与(A_{i+1})是可乘的，(i=1,2,3,dots, n-1)。考察这n个矩阵的连乘积(A_1A_2dots A_n)，由于矩阵乘法满足结合律，所以计算矩阵的连乘可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。

分析最优解结构

设dp[i][j]为(A_iA_{i+1}dots A_j)的最少乘积次数，并设(A_iA_{i+1}dots A_j)的最优计算次序从矩阵(A_k)和(A_{k+1})之间断开，(ileq k < j)。那么加括号方式为(((A_iA_{i+1}dots A_k)(A_{k+1}dots A_{j-1}A_{j})))。
最优总计算量dp[i][j] = dp[i][k] + dp[k+1][j] + A[i:k]与A[k+1:j]乘积次数。其中A[i:k]为(A_iA_{i+1}dots A_k)得到的矩阵，A[k+1][j]同理。
得出，矩阵连乘计算次序的最优解包含着其子问题的最优解。这种性质称为最优子结构性质。

解题思路

我们首先默认矩阵的索引从0开始，即(A_0A_1dots A_{n-1})。
创建一个数组dp，dp[i][j]用来保存矩阵(A_idots A_j)的最优乘积次数，在创建一个数组p，用来保存所有矩阵的行列数目。例如上图中的例子，它们的行列数目在p中保存为[50,10,40,30,5]。
根据最优解结构的分析，可以得出动态规划的递推公式为：

[dp[i][j] = egin{cases} 0 & ext{i = j} \ min_{ileq k leq j}(pd[i][k]+pd[k+1][j]+p_ip_{k+1}p_{j+1}) & ext{i $<$ j} end{cases} ]

为了保证每次计算dp[i][j]时，任意的pd[i][k]和pd[k+1][j]都已经得到结果，我们需要首先计算主对角线，然后再依次计算次对角线。

目前我们只是知道了最优计算次数，但是还不知道如何加括号。下面我们再定义一个数组s与dp形状相同，用来记录矩阵(A_idots A_j)之间的最优分割位置k。最后通过递归找到最优加括号位置。

C++代码

#include<iostream>
#include<vector>
using namespace std;

void Traceback(int i,int j,vector<vector<int> >s)
{ 
	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 N; 
	cout<<"请输入矩阵个数："; 
	cin>>N;
	vector<vector<int> >dp(N+1, vector<int>(N+1, 0));
	vector<vector<int> >s(N+1, vector<int>(N+1, -1));
	vector<int>p(N+1);
	
	cout<<"输入每个矩阵的行列数：";
	for(int i=0; i<=N; i++)
		cin>>p[i];
	
	for(int n=1; n<N; n++)
	{
		int i = 0, j = n;
		while(j<N && i<N)
		{
			dp[i][j] = 0x7fffffff;
			int val;
			for(int k=i; k<=j; k++)
			{
				val = dp[i][k]+dp[k+1][j]+p[i]*p[k+1]*p[j+1];
				if(val < dp[i][j])
				{
					dp[i][j] = val; 
					s[i][j] = k;
				}
			}
			i++; j++;
		}
	}
	Traceback(0, N-1, s);
	
	cout<<dp[0][N-1];
	return 0;
}