今天刚刚学了动态规划，把书上的代码敲了一下，在此留下一笔。动态规划与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。在子问题的求解过程中，有很多子问题被重复计算了。于是我们可以用一个表来记录所有已解决的子问题的的答案。不管该问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划的基本思想。
一、动态规划的设计步骤：
（1)找出最优解的性质，并刻画其结构特征；
（2）递归地定义最优值；
（3）以自顶向下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。
下面使用动态规划来解决的是矩阵连乘问题。
问题描述：给定n个矩阵：A1,A2,...,An，其中Ai与Ai+1是可乘的，i=1，2...，n-1。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。输入数据为矩阵个数和每个矩阵规模，输出结果为计算矩阵连乘积的计算次序和最少数乘次数。
第一步分析最优解的结构：
若将对应m[i][j]的断开位置k记为s[i][j]，在计算出最优值m[i][j]后，可递归地由s[i][j]构造出相应的最优解。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，即最优的加括号方式应为(A[i:k])(A[k+1:j)。因此，从s[1][n]记录的信息可知计算A[1:n]的最优加括号方式为(A[1:s[1][n]])(A[s[1][n]+1:n])，进一步递推，A[1:s[1][n]]的最优加括号方式为(A[1:s[1][s[1][n]]])(A[s[1][s[1][n]]+1:s[1][s[1][n]]])。同理可以确定A[s[1][n]+1:n]的最优加括号方式在s[s[1][n]+1][n]处断开...照此递推下去，最终可以确定A[1:n]的最优完全加括号方式，及构造出问题的一个最优解。
第二步、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，若A[i:j]的最优次序在Ak和Ak+1之间断开，i<=k<j,则：m[i][j]=m[i][k]+m[k+1][j]+pi-1pkpj。由于在计算是并不知道断开点k的位置，所以k还未定。不过k的位置只有j-i个可能。因此，k是这j-i个位置使计算量达到最小的那个位置。
综上，有递推关系如下：
第三步、计算最优解
最后代码如下：
package algo.chapter3;
import java.io.Serializable;
/**
* 矩阵相乘
* @author Administrator
*
*/
public class MatrixPlus {
public static void matrixChain(int[] p,int [][]m,int [][]s)
{
int n = p.length-1;
for(int i=1;i<=n;i++)
m[i][i] = 0;
for(int r=2;r<=n;r++)
//对角线上循环的次数
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;
//递归式，记录k的位置
s[i][j] = k;
}
}
}
}
public static void traceback(int [][]s,int i,int j)
{
if(i == j)
return;
traceback(s,i,s[i][j]);
traceback(s,s[i][j]+1,j);
System.out.println("Multiply A"+i+"."+s[i][j]+
"and A"+(s[i][j]+1)+"."+j);
}
//打印加括号的最优解方案
public static void optimalParens(int [][]s,int i,int j)
{
if(i==j)
System.out.print("(A"+i);
else
{
optimalParens(s,i,s[i][j]);
optimalParens(s,s[i][j]+1,j);
System.out.print(")");
}
}
}
测试代码：
package algo.chapter3.test;
import algo.chapter3.MatrixPlus;
public class MatrixTest {
public static void main(String[] args) {
// TODO Auto-generated method stub
int [] p = {39,45,35,15,23,45,67,10,26,37};
int n = p.length;
//{{12,3,45,56},{2,4,6,23},{9,87,34,23},{23,45,56,56},{23,3,6,8}}
int [][] m = new int[n][n];
int [][] s = new int[n][n];
MatrixPlus.matrixChain(p, m, s);
System.out.println("该矩阵阶乘子问题数乘的个数为：");
for(int i=1;i<m.length;i++)
{
for(int j=1;j<m.length;j++)
{
if(i>j)
{
System.out.print("----"+"\t");
}
else
{
System.out.print(m[i][j]+"\t");
}
}
System.out.println();
}
System.out.println();
System.out.println("该矩阵阶乘子问题数乘的个数为：");
for(int i=1;i<s.length;i++)
{
for(int j=1;j<s.length;j++)
{
if(i>j)
{
System.out.print("----"+"\t");
}
else
{
System.out.print(s[i][j]+"\t");
}
}
System.out.println();
}
System.out.println();
System.out.println("该矩阵阶乘的最优解为：");
MatrixPlus.traceback(s, 1, n-1);
MatrixPlus.optimalParens(s, 1, n-1);
}
}
最后的运行结果如下图：
参考：http://blog.csdn.net/liufeng_king/article/details/8497607