写点什么

动态规划(详解矩阵连乘 案例 +Java 代码实现)

用户头像
若尘
关注
发布于: 2021 年 06 月 03 日
动态规划(详解矩阵连乘 案例+Java代码实现)

动态规划

History does not occur again

算法总体思想

  • 与分治算法类似

  • 子问题往往不是互相独立的, (分治会重复计算)

  • 保存已解决的子问题的答案,需要时找出即可(空间换时间)

基本步骤

  • 找出最优解的性质并刻划其结构特征

  • 递归地定义最优值

  • 以自底向上的方式计算出最优值(递推)

  • 根据计算最优值时得到的信息构造最优解

矩阵连乘问题

问题描述

  • 给定 n 个矩阵{A<sub>1</sub>, A<sub>2</sub>,..., A<sub>n</sub>}, 其中 A<sub>i</sub> 与 A<sub>i+1</sub> 是可乘的, i = 1, 2, ..., n-1

  • 如何确定连乘积的计算次序,使得依次次序计算矩阵连乘积所需要的数乘次数最少

分析

  • 矩阵乘法满足结合律->矩阵乘法可以有不同的计算次序

  • 矩阵连乘的计算次序可以用加括号的方式来确定->若矩阵连乘已完全加括号,则其计算次序完全确定

  • 完全加括号的矩阵连乘可递归定义为:

  • 单个矩阵是完全加括号的;

  • 矩阵连乘积 A 是完全加括号的,则 A 可表示为 2 个完全加括号的矩阵连乘积 B 和 C 的乘积并加括号,即 A=(BC)。


例,有四个矩阵 A,B,C,D,它们的维数分别是: A=50×10,B=10×40, C=40×30, D=30×5 连乘积 ABCD 共有五种完全加括号的方式


(A((BC)D)) 16000      (A(B(CD))) 10500((AB)(CD)) 36000      (((AB)C)D) 87500((A(BC))D) 34500

解决方法

  • 穷举法:列举出所有可能的计算次序,并计算出每一种计算次序相应需要的数乘次数,从中找到一种数乘次数最少的计算次序。

  • 复杂性分析: 用 p(n)表示 n 个矩阵链乘的穷举法计算成本,如果将 n 个矩阵从第 k 和 k+1 出隔开,对两个子序列再分别加扩号,则可以得到下面递归式:


  • 很明显,指数级增长,此方法不太可行

  • 动态规划

  • 将矩阵连乘积 A<sub>i</sub>A<sub>i+1</sub>…A<sub>j</sub>简记为 A[i:j] ,这里 i≤j。考察计算 A[i:j]的最优计算次序。设这个计算次序在矩阵 A<sub>k</sub>和 A<sub>k+1</sub>之间将矩阵链断开,i≤k<j,则其相应完全加括号方式为(A<sub>i</sub>A<sub>i+1</sub>…A<sub>k</sub>)(A<sub>k+1</sub>A<sub>k+2</sub>…A<sub>j</sub>)-> A[i:j]的计算量:A[i:k]的计算量加上 A[k+1:j]的计算量,再加上 A[i:k]和 A[k+1:j]相乘的计算量

具体步骤

  • 分析最优解的结构

  • 特征:计算 A[i:j]的最优次序所包含的计算矩阵子链 A[i:k]和 A[k+1:j]的次序也是最优的


  • 建立递归关系

  • 设计算 A[i:j],1≤i≤j≤n,所需要的最少数乘次数 m[i,j],则原问题的最优值为 m[1,n]


  • k 为断开位置

    m[i][j]实际是子问题最优解的解值,保存下来避免重复计算

  • 在递归计算时,许多子问题被重复计算多次。这也是该问题可用动态规划算法求解的又一显著特征

  • 计算最优值

  • 根据递归公式,对角线的值为 0。其他值需要根据于断开位置 k 的值来得到,k [i,j),我们要遍历所有 k,就要访问所求值的所有同一行左边的值和同一列下方的值。因此,在代码中我们可以使用自底向上、从左到右的计算顺序来依次填充,最终得到右上角的值。

  • 构造最优解

  • 前面我们已经讲数据记录在了数组中,直接查表即可构造最优解

案例

  • 求矩阵链 A<sub>1</sub>A<sub>2</sub>A<sub>3</sub>A<sub>4</sub>的最优运算次序。其中矩阵 A<sub>i</sub>的大小为 p<sub>i-1</sub>×p<sub>i</sub>。其中 P(0) = 5,P(1) = 7,P(2) = 4,P(3) = 3,P(4) = 5


Java 代码实现

package MatrixChain;
public class Array { /** * 求解最优值 * @param p: 矩阵维数信息数组 * @param m: 存放最优值数组, 上三角形式 * @param s: 存放分割位置下标的数组 * @return 返回最优值 **/ public static int matrixChain(int[] p, int[][] m, int[][] s) { int n = p.length - 1; for (int i = 1; i <= n; i++) // 本身为0 m[i][i] = 0; // 初始化二维数组 for (int r = 2; r <= n; r++) { for (int i = 1; i <= n - r + 1; i++) { int j = i + r - 1; // 先以i进行划分 m[i][j] = m[i + 1][j] + p[i - 1] * p[i] * p[j]; // 求出Ai到Aj的连乘 s[i][j] = i; // 记录划分位置 for (int k = i + 1; k < j; k++) { // 寻找是否有可优化的分割点 int t = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j]; // 公式 if (t < m[i][j]) { m[i][j] = t; s[i][j] = k; } } } } return m[1][n]; } /** * 输出 A[i:j] 的最优计算次序 * @param i、j: 连乘矩阵下标 * @param s: 存放分割位置下标的数组 **/ public static void traceback(int i, int j, int[][] s) { // 输出A[i:j] 的最优计算次序 if (i == j) { // 递归出口 System.out.print("A"+i); return; } else { System.out.print("("); // 递归输出左边 traceback(i, s[i][j], s); // 递归输出右边 traceback(s[i][j] + 1, j, s); System.out.print(")"); } } public static void main(String[] args) { int[] p = new int[]{5, 7, 4, 3, 5}; int[][] m = new int[p.length][p.length]; int[][] s = new int[p.length][p.length]; System.out.println("最优值为: "+matrixChain(p, m, s)); traceback(1, p.length-1, s); }}
复制代码


最优值为: 264((A1(A2A3))A4)
复制代码


发布于: 2021 年 06 月 03 日阅读数: 35
用户头像

若尘

关注

还未添加个人签名 2021.01.11 加入

还未添加个人简介

评论

发布
暂无评论
动态规划(详解矩阵连乘 案例+Java代码实现)