华北电力大学科技学院
实 验 报 告
实验名称 矩阵连乘问题
课程名称 计算机算法设计与分析
专业班级:软件12K1 学生姓名:吴旭
学 号: 121909020124 成 绩:
指导老师:刘老师 实验日期:2014.11.14
一、 实验内容
矩阵连乘问题,给定n个矩阵{A1,A2,…,An},其中Ai与Ai+1是可乘的,i=1,2,3…,n-1。考察这n个矩阵的连乘A1,A2,…,An。
二、 主要思想
由于矩阵乘法满足结合律,故计算矩阵的连乘积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。若一个矩阵连乘积的计算次序完全确定,也就是说该连乘积已经完全加括号,则可依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。完全加括号的矩阵连乘积可递归的定义为:
(1) 单个矩阵是完全加括号的;
(2) 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)。
运用动态规划法解矩阵连乘积的最优计算次序问题。按以下几个步骤进行
1、 分析最优解的结构
设计求解具体问题的动态规划算法的第1步是刻画该问题的最优解的结构特征。为方便起见,将矩阵连乘积简记为A[i:j]。考察计算A[1:n]的最优计算次序。设这个计算次序矩阵在Ak和Ak+1之间将矩阵链断开,,则其相应的完全加括号方式为((A1…Ak)(Ak+1…An))。依此次序,先计算A[1:k]和A[k+1:n],然后将计算结果相乘得到A[1:n]。
2、 建立递归关系
设计动态规划算法的第二步是递归定义最优值。对于矩阵连乘积的最优计算次序问题,设计算A[i:j],,所需的最少数乘次数为m[i][j],原问题的最优值为m[1][n]。
当i=j时,A[i:j]=Ai为单一矩阵,无需计算,因此m[i][i]=0,i=1,2,…n。
当i<j时,可利用最优子结构性质来计算m[i][j]。m[i][j]=m[i][k]+m[k+1][j]+pi-1pkpj。由于在计算时并不知道断开点k的位置,所以k还未定。
3、 计算最优值
根据计算m[i][j]的递归式,容易写一个递归算法计算m[1][n]。动态规划法解决此问题,可依据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matrixChain。(见实验代码部分)
4、 构造最优解
算法matrixChain只计算出最优值,并没有给出最优解。但是matrixChain已经记录了构造最优解所需的全部信息。S[i][j]中的数表明,计算矩阵链A[i:j]的最佳方式应在矩阵Ak和Ak+1之间断开,最优加括号方式为(A[i:k])(A[k+1:j])。依次构造最优解。(算法见实验代码部分)
三、 实验结果
四、 结果验证
对实验结果进行验证,4个矩阵分别是A1[35*15],A2[15*5],A3[5*10],A4[10*20]。依递归式有:
M[1][4]=min
=7125
且k=3。
计算结果正确,证明所编写的程序可正确算出最优解。
五、 实验代码
#include<stdio.h>
#define N 100//定义最大连乘的矩阵个数是100
void matrixChain(int p[],int m[N+1][N+1],int s[N+1][N+1])/*用m[i][j]二维数组来存储Ai*.....Aj的最少数乘次数,
用s[i][j]来存储使Ai.....Aj获得最少数乘次数对应的断开位置k,需要注意的是此处的N+1非常关键,虽然只用到的行列下标只从1到N,
但是下标0对应的元素默认也属于该数组,所以数组的长度就应该为N+1*/
{
int n=N;//定义m,s数组的都是n*n的,不用行列下标为0的元素,但包括在该数组中
for(int i=1;i<=n;i++)
m[i][i]=0;/*将矩阵m的对角线位置上元素全部置0,此时应是r=1的情况,表示先计算第一层对角线上个元素的值*/
for(int r=2;r<=n;r++)//r表示斜对角线的层数,从2取到n
{
for(int i=1;i<=n-r+1;i++)//i表示计算第r层斜对角线上第i行元素的值
{
int j=i+r-1;//j表示当斜对角线层数为r,行下标为i时的列下标
m[i][j]=m[i+1][j]+p[i-1]*p[i]*p[j];//计算当断开位置为i时对应的数乘次数
s[i][j]=i;//断开位置为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];/*计算断开位置k为从i到j(不包括i和j)的所有取值对应的
(Ai*.....*Ak)*(Ak+1*.....Aj)的数乘次数*/
if(t<m[i][j])
{
m[i][j]=t;//将Ai*....Aj的最少数乘次数存入m[i][j]
s[i][j]=k;//将对应的断开位置k存入s[i][j]
}
}
}
}
}
void traceback(int i,int j,int s[][N+1])//用递归来实现输出得到最小数乘次数的表达式
{
if(i==j)
{
printf("A%d",i);
}
else
{
printf("(");
traceback(i,s[i][j],s);
traceback(s[i][j]+1,j,s);
printf(")");
}
}
void main()
{
int n;//用来存储矩阵的个数
int q[2*N];/*用q数组来存储最原始的输入(各矩阵的行和列),主要目的是为了检验这N个矩阵是否满足连乘的条件*/
int p[N+1],flag=1;/*用p[i-1],p[i]数组来存储A的阶数,flag用来判断这N个矩阵是否满足连乘*/
int m[N+1][N+1];// 用m[i][j]二维数组来存储Ai*......Aj的最小数乘次数
int s[N+1][N+1];// 用s[i][j]来存储使Ai......Aj获得最小数乘次数对应的断开位置k
printf("输入矩阵的个数(注:小于100):");
scanf("%d",&n);
for(int i=0;i<=2*n-1;i++)//各矩阵的阶数的输入先存入数组q中接受检验
{
if(i%2==0)
{
printf("————————\n");
printf("*输入A%d的行:",(i/2)+1);
}
else
{
printf(" ********列:");
}
scanf("%d",&q[i]);
}
for(i=1;i<=2*n-2;i++)//矩阵连乘条件的检验
{
if(i%2!=0&&q[i]!=q[i+1])
{
flag=0;
break;
}
}
for(int j=1;j<=n-1;j++)
{
p[j]=q[2*j];
}
if(flag!=0)
{
p[0]=q[0];
p[n]=q[2*n-1];
matrixChain(p,m,s);
printf("式子如下:\n");
traceback(1,n,s);
printf("\n");
printf("最少数乘次数为%d\n",m[1][n]);
}
else
{
printf("这%d个矩阵不能连乘!\n",n);
}
}
六、 实验心得
通过本次实验,我较为透彻的理解了动态规划算法的几个基本步骤。完成实验后,我认为建立递归关系是很关键的一步,同时也是整个动态规划算法的精髓。掌握了递归的思想,就可以完成很多不必要的重复计算。
具体到矩阵连乘问题,关键是解决断开点k的位置和最少数乘次数。
总体来说,这次实验不仅让我基本掌握递归的思想,而且进一步提高了自己的自学能力和编程能力,代码运用C语言写出,可以很好的体会C语言和C++的不同点和相同点。我也体会到,想要理解一个新的算法,必须要通过自己不断的编写程序,不断的思考才能真正的领悟,因此我会不断朝着这个方向努力。
第二篇:矩阵连乘实验报告
南京信息工程大学 实验(实习)报告
院 计算机与软件学院 专业 软件工程 年级 2013 班次3 姓名 魏开阳 学号 20131344105
一、 实验内容
矩阵连乘问题,给定n个矩阵{A1,A2,…,An},其中Ai与Ai+1是可乘的,i=1,2,3…,n-1。考察这n个矩阵的连乘A1,A2,…,An。
二、 主要思想
由于矩阵乘法满足结合律,故计算矩阵的连乘积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。若一个矩阵连乘积的计算次序完全确定,也就是说该连乘积已经完全加括号,则可依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。完全加括号的矩阵连乘积可递归的定义为:
(1) 单个矩阵是完全加括号的;
(2) 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)。
运用动态规划法解矩阵连乘积的最优计算次序问题。按以下几个步骤进行
1、 分析最优解的结构
设计求解具体问题的动态规划算法的第1步是刻画该问题的最优解的结构特征。为方便起见,将矩阵连乘积简记为A[i:j]。考察计算A[1:n]的最优计算次序。设这个计算次序矩阵在Ak和Ak+1之间将矩阵链断开,,则其相应的完全加括号方式为((A1…Ak)(Ak+1…An))。依此次序,先计算A[1:k]和A[k+1:n],然后将计算结果相乘得到A[1:n]。
2、 建立递归关系
设计动态规划算法的第二步是递归定义最优值。对于矩阵连乘积的最优计算次序问题,设计算A[i:j],,所需的最少数乘次数为m[i][j],原问题的最优值为m[1][n]。
当i=j时,A[i:j]=Ai为单一矩阵,无需计算,因此m[i][i]=0,i=1,2,…n。
当i<j时,可利用最优子结构性质来计算m[i][j]。m[i][j]=m[i][k]+m[k+1][j]+pi-1pkpj。由于在计算时并不知道断开点k的位置,所以k还未定。
3、 计算最优值
根据计算m[i][j]的递归式,容易写一个递归算法计算m[1][n]。动态规划法解决此问题,可依据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matrixChain。(见实验代码部分)
4、 构造最优解
算法matrixChain只计算出最优值,并没有给出最优解。但是matrixChain已经记录了构造最优解所需的全部信息。S[i][j]中的数表明,计算矩阵链A[i:j]的最佳方式应在矩阵Ak和Ak+1之间断开,最优加括号方式为(A[i:k])(A[k+1:j])。依次构造最优解。(算法见实验代码部分)
一、 实验代码
#include<stdio.h>
#define N 100
void matrixChain(int p[],int m[N+1][N+1],int s[N+1][N+1])
/*用m[i][j]二维数组来存储Ai*.....Aj的最少数乘次数,用s[i][j]来存储使Ai.....Aj获得最少数乘次数对应的断开位置k,需要注意的是此处的N+1非常关键,虽然只用到的行列下标只从1到N,
但是下标0对应的元素默认也属于该数组,所以数组的长度就应该为N+1*/
{
int n=N;
for(int i=1;i<=n;i++)
m[i][i]=0;
for(int r=2;r<=n;r++)
{
for(int i=1;i<=n-r+1;i++)
{
int j=i+r-1;
m[i][j]=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;
}
}
}
}
}
void traceback(int i,int j,int s[][N+1])
{
if(i==j)
{
printf("A%d",i);
}
else
{
printf("(");
traceback(i,s[i][j],s);
traceback(s[i][j]+1,j,s);
printf(")");
}
}
void main()
{
int n;
int q[2*N]; int p[N+1],flag=1; int m[N+1][N+1];
int s[N+1][N+1];
printf("输入矩阵的个数(注:小于100):");
scanf("%d",&n);
for(int i=0;i<=2*n-1;i++)
{
if(i%2==0)
{
printf("————————\n");
printf("*输入A%d的行:",(i/2)+1);
}
else
{
printf(" ********列:");
}
scanf("%d",&q[i]);
}
for(i=1;i<=2*n-2;i++)//矩阵连乘条件的检验
{
if(i%2!=0&&q[i]!=q[i+1])
{
flag=0;
break;
}
}
for(int j=1;j<=n-1;j++)
{
p[j]=q[2*j];
}
if(flag!=0)
{
p[0]=q[0];
p[n]=q[2*n-1];
matrixChain(p,m,s);
printf("式子如下:\n");
traceback(1,n,s);
printf("\n");
printf("最少数乘次数为%d\n",m[1][n]);
}
else
{
printf("这%d个矩阵不能连乘!\n",n);
}
}
二、 实验结果
三、 结果验证
对实验结果进行验证,4个矩阵分别是A1[35*15],A2[15*5],A3[5*10],A4[10*20]。依递归式有:
M[1][4]=min
=7125
且k=3。
计算结果正确,证明所编写的程序可正确算出最优解。
四、 实验心得
通过本次实验,我较为透彻的理解了动态规划算法的几个基本步骤。完成实验后,我认为建立递归关系是很关键的一步,同时也是整个动态规划算法的精髓。掌握了递归的思想,就可以完成很多不必要的重复计算。
具体到矩阵连乘问题,关键是解决断开点k的位置和最少数乘次数。
总体来说,这次实验不仅让我基本掌握递归的思想,而且进一步提高了自己的自学能力和编程能力,代码运用C语言写出,可以很好的体会C语言和C++的不同点和相同点。我也体会到,想要理解一个新的算法,必须要通过自己不断的编写程序,不断的思考才能真正的领悟,因此我会不断朝着这个方向努力。