矩阵连乘---动态规划

回顾分治法

• 当问题规模很小时容易求解
• 问题可分为子问题
• 子问题的解可合起来得到问题的解
• 子问题相互独立

动态规划

• 适用的问题前三点和分治法相同，不同的是应用动态规划求解的题一般子问题之间不独立，需要辅助空间记录子问题的值来减少求解次数
• 基本步骤：
  1.找出最优解的性质，并描述其结构特征（最优子结构性质）（由子问题的最优解可以得到整个问题的最优解）
  2.递归地定义最优值
  3.以自底向上的方式计算出最优值
  4.根据计算最优值时得到的信息，构造最优解

例子：矩阵连乘

给定n个矩阵｛A1,A2,…,An｝，其中Ai与Ai+1是可乘的，i=1,2 ,…,n-1。如何确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。
例如：
A1={30x35} ; A2={35x15} ;A3={15x5} ;A4={5x10} ;A5={10x20} ;A6={20x25} ;

最后的结果为：((A1(A2A3))((A4A5)A6))
最小的乘次为15125。

//求连乘的最优值函数
//p数组记录n个矩阵的行列数  p0p1记录A1的  p1p2记录A2的
void MatrixChain(int *p,int n,int **m,int **s){
	//s数组记录断开的位置（连乘的分界），是辅助构造最优解所使用的信息
	for(int i=1;i<=n;i++) m[i][i]=0;
	for(int r=2;r<=n;r++){
	//确定了 i r ,就确定了一个子问题
		for(int i=1;i<=n-r+1;i++){
		//寻找最小值 并记录断开位置
			int j=i+r-1;
			m[i][j]=m[i][i]+m[i+1][j]+p[i-1]*p[i]*p[j];
			s[i][j]=i;
			for(int k=i+1;k<j;k++){
				int t=m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
				if(t<m[i][j]){
					m[i][j]=t;
					s[i][j]=k;
				}
			}
		}
	}
}

//递归算法构造最优解
void Traceback(int i,int j,int **s){
	if(i==j) return;
	Traceback(i,s[i][j],s);
	Traceback(s[i][j]+1,j,s);
	cout<<i<<","<<s[i][j];
	cout<<"and"<<s[i][j]+1<<","<<j<<endl;
}

算法复杂度分析：

此算法的计算量主要取决于子问题的数量，为O(n²)；求每个子问题的最优值的复杂度为O(n)；算法所用辅助空间为m,s数组，都是二维表，复杂度为O(n²)。
因此此算法的计算时间上界为O(n³)。