C++动态规划
2010-11-16 13:05:18 来源：WEB开发网核心提示：算法复杂度分析：对于n个矩阵的连乘积，设其不同的计算次序为P(n)由于每种加括号方式都可以分解为两个子矩阵的加括号问题(A1...Ak)(A(k+1)…An)可以得到关于P(n)的递推式如下：动态规划：将矩阵连乘积A(i)A(i+1)…A(j)简记为A[i:j]，C++动态规划(2)，这里
算法复杂度分析：
对于n个矩阵的连乘积，设其不同的计算次序为P(n)
由于每种加括号方式都可以分解为两个子矩阵的加括号问题
(A1...Ak)(A(k+1)…An)可以得到关于P(n)的递推式如下：
动态规划：将矩阵连乘积A(i)A(i+1)…A(j)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(k)和A(k+1)之间将矩阵链断开，i <= k < j, 则其相应完全加括号方式为(A(i)A(i+1)...A(k)) * (A(k+1)A(k+2)...A(j))。
计算量：A[i:k]的计算量加上A[k+1,j]，再加上A[i:k] * A[k+1][j]的计算量。
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。
矩阵连乘计算次序问题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。问题的最优子结构性质是该问题可用动态规划算法求解的显著特征。
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]
当i = j时，A[i:j]=Ai，因此，m[i,i] = 0，i = 1,2,…,n
当i < j时，m[i,j] = m[i,k] + m[k+1,j] + p(i-1)p(k)p(j)
这里A(i)的维数为p(i-1)*(i)(注：p(i-1)为矩阵A(i)的行数，p(i)为矩阵A[i]的列数)
可以递归地定义m[i,j]为：
k的位置只有j - i种。
计算最优值
对于1 <= i <= j <= n不同的有序对(i,j)对应于不同的子问题。因此，不同子问题的个数最多只有：
（大括号表示C(n,2)，组合的意思。后面的符号表示 “紧渐近界记号”）
但是，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。
用动态规划算法解此问题，可依据其递归式以自底向上的方式进行计算。在计算过程中，保存已解决的子问题答案。每个子问题只计算一次，而在后面需要时只要简单查一下，从而避免大量的重复计算，最终得到多项式时间的算法。
用动态规划法求最优解
连乘矩阵假如为：
计算过程为：
中查找“C++动态规划”更多相关内容
中查找“C++动态规划”更多相关内容更多精彩
赞助商链接
