由于看到 了动态规划来分析解决矩阵链乘的问题,所以回顾了一下矩阵乘法,发现这个知识点忘记的差不多了
,现在再来总结一下。
首先我们知道两个矩阵相乘A*B,那么A的列数必须等于B的行数,否则不能进行相乘.
首先我们来回顾一下解决矩阵相乘问题的一般方法:利用三个for循环来解决,时间复杂度为o(n^3)。
矩阵乘法定义:
例如有两个n乘以n的矩阵A和B,C=A*B;
那么求C的过程为:
#include<iostream>
using namespace std;
int main()
{
int a[3][4] = {
1, 3, 3, 1,
1, 2, 4, 1,
2, 6, 5, 1
};
int b[4][2] = {
2, 1,
2, 1,
2, 1,
2, 1
};
int c[3][2] = { 0 };
for (int i = 0; i < 3; ++i)
{
for (int j = 0; j < 2; ++j)
{
c[i][j] = 0;
for (int k = 0; k < 4; ++k)
c[i][j] = c[i][j] + a[i][k] * b[k][j];
}
}
for (int i = 0; i < 3; ++i)
{
int k = 0;
for (int j = 0; j < 2; ++j)
{
cout << c[i][j] << " ";
k++;
if (k == 2)
{
cout << endl;
}
}
}
return 0;
}
现在我们来看看Strassen算法的原理:
一般情况下矩阵乘法需要三个for循环,时间复杂度为O(n^3),现在我们将矩阵分块如图:( 来自MIT算法导论 )
一般算法需要八次乘法
r = a * e + b * g ;
s = a * f + b * h ;
t = c * e + d * g;
u = c * f + d * h;
strassen将其变成7次乘法,因为大家都知道乘法比加减法消耗更多,所有时间复杂更高!
strassen的处理是:
令:
p1 = a * ( f - h )
p2 = ( a + b ) * h
p3 = ( c +d ) * e
p4 = d * ( g - e )
p5 = ( a + d ) * ( e + h )
p6 = ( b - d ) * ( g + h )
p7 = ( a - c ) * ( e + f )
那么我们可以知道:
r = p5 + p4 + p6 - p2
s = p1 + p2
t = p3 + p4
u = p5 + p1 - p3 - p7
我们可以看到上面只有7次乘法和多次加减法,最终达到降低复杂度为O( n^lg7 ) ~= O( n^2.81 );
其代码实现过程为:其中n必须为2的幂
#include<iostream>
using namespace std;
#define N 4
//matrix + matrix
void my_plus(int t[N / 2][N / 2], int r[N / 2][N / 2], int s[N / 2][N / 2])
{
int i, j;
for (i = 0; i < N / 2; i++)
{
for (j = 0; j < N / 2; j++)
{
t[i][j] = r[i][j] + s[i][j];
}
}
}
//matrix - matrix
void my_minus(int t[N / 2][N / 2], int r[N / 2][N / 2], int s[N / 2][N / 2])
{
int i, j;
for (i = 0; i < N / 2; i++)
{
for (j = 0; j < N / 2; j++)
{
t[i][j] = r[i][j] - s[i][j];
}
}
}
//matrix * matrix
void my_mul(int t[N / 2][N / 2], int r[N / 2][N / 2], int s[N / 2][N / 2])
{
int i, j, k;
for (i = 0; i < N / 2; i++)
{
for (j = 0; j < N / 2; j++)
{
t[i][j] = 0;
for (k = 0; k < N / 2; k++)
{
t[i][j] += r[i][k] * s[k][j];
}
}
}
}
int main()
{
int i, j, k;
int mat[N][N];
//int m1[N][N];
//int m2[N][N];
int a[N / 2][N / 2], b[N / 2][N / 2], c[N / 2][N / 2], d[N / 2][N / 2];
int e[N / 2][N / 2], f[N / 2][N / 2], g[N / 2][N / 2], h[N / 2][N / 2];
int p1[N / 2][N / 2], p2[N / 2][N / 2], p3[N / 2][N / 2], p4[N / 2][N / 2];
int p5[N / 2][N / 2], p6[N / 2][N / 2], p7[N / 2][N / 2];
int r[N / 2][N / 2], s[N / 2][N / 2], t[N / 2][N / 2], u[N / 2][N / 2], t1[N / 2][N / 2], t2[N / 2][N / 2];
int m1[4][4] = {
4, 4, 4, 4,
4, 4, 4, 4,
4, 4, 4, 4,
4, 4, 4, 4 };
int m2[4][4] = {
2, 2, 2, 2,
2, 2, 2, 2,
2, 2, 2, 2,
2, 2, 2, 2 };
// a b c d e f g h
for (int i = 0; i < N / 2; i++)
{
for (int j = 0; j < N / 2; j++)
{
a[i][j] = m1[i][j];
b[i][j] = m1[i][j + N / 2];
c[i][j] = m1[i + N / 2][j];
d[i][j] = m1[i + N / 2][j + N / 2];
e[i][j] = m2[i][j];
f[i][j] = m2[i][j + N / 2];
g[i][j] = m2[i + N / 2][j];
h[i][j] = m2[i + N / 2][j + N / 2];
}
}
//p1
my_minus(r, f, h);
my_mul(p1, a, r);
//p2
my_plus(r, a, b);
my_mul(p2, r, h);
//p3
my_plus(r, c, d);
my_mul(p3, r, e);
//p4
my_minus(r, g, e);
my_mul(p4, d, r);
//p5
my_plus(r, a, d);
my_plus(s, e, f);
my_mul(p5, r, s);
//p6
my_minus(r, b, d);
my_plus(s, g, h);
my_mul(p6, r, s);
//p7
my_minus(r, a, c);
my_plus(s, e, f);
my_mul(p7, r, s);
//r = p5 + p4 - p2 + p6
my_plus(t1, p5, p4);
my_minus(t2, t1, p2);
my_plus(r, t2, p6);
//s = p1 + p2
my_plus(s, p1, p2);
//t = p3 + p4
my_plus(t, p3, p4);
//u = p5 + p1 - p3 - p7 = p5 + p1 - ( p3 + p7 )
my_plus(t1, p5, p1);
my_plus(t2, p3, p7);
my_minus(u, t1, t2);
for (int i = 0; i < N / 2; i++)
{
for (int j = 0; j < N / 2; j++)
{
mat[i][j] = r[i][j];
mat[i][j + N / 2] = s[i][j];
mat[i + N / 2][j] = t[i][j];
mat[i + N / 2][j + N / 2] = u[i][j];
}
}
printf("\n下面是strassen算法处理结果:\n");
for (i = 0; i < N; i++)
{
for (j = 0; j < N; j++)
{
printf("%d ", mat[i][j]);
}
printf("\n");
}
//下面是朴素算法处理
printf("\n下面是朴素算法处理结果:\n");
for (i = 0; i < N; i++)
{
for (j = 0; j < N; j++)
{
mat[i][j] = 0;
for (k = 0; k < N; k++)
{
mat[i][j] += m1[i][j] * m2[i][j];
}
}
}
for (i = 0; i < N; i++)
{
for (j = 0; j < N; j++)
{
printf("%d ", mat[i][j]);
}
printf("\n");
}
return 0;
}