动态规划解决矩阵连乘问题,随机产生矩阵序列,输出形如((A1(A2A3))(A4A5))的结果。
代码:
#encoding: utf-8 =begin author: xu jin, 4100213 date: Oct 28, 2012 MatrixChain to find an optimum order by using MatrixChain algorithm example output: The given array is:[30, 35, 15, 5, 10, 20, 25] The optimum order is:((A1(A2A3))((A4A5)A6)) The total number of multiplications is: 15125 The random array is:[5, 8, 8, 2, 5, 9] The optimum order is:((A1(A2A3))(A4A5)) The total number of multiplications is: 388 =end INFINTIY = 1 / 0.0 p = [30, 35, 15, 5, 10, 20, 25] m, s = Array.new(p.size){Array.new(p.size)}, Array.new(p.size){Array.new(p.size)} def matrix_chain_order(p, m, s) n = p.size - 1 (1..n).each{|i| m[i][i] = 0} for r in (2..n) do for i in (1..n - r + 1) do j = r + i - 1 m[i][j] = INFINTIY for k in (i...j) do q = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j] m[i][j], s[i][j] = q, k if(q < m[i][j]) end end end end def print_optimal_parens(s, i, j) if(i == j) then print "A" + i.to_s else print "(" print_optimal_parens(s, i, s[i][j]) print_optimal_parens(s, s[i][j] + 1, j) print ")" end end def process(p, m, s) matrix_chain_order(p, m, s) print "The optimum order is:" print_optimal_parens(s, 1, p.size - 1) printf("\nThe total number of multiplications is: %d\n\n", m[1][p.size - 1]) end puts "The given array is:" + p.to_s process(p, m, s) #produce a random array p = Array.new x = rand(10) (0..x).each{|index| p[index] = rand(10) + 1} puts "The random array is:" + p.to_s m, s = Array.new(p.size){Array.new(p.size)}, Array.new(p.size){Array.new(p.size)} process(p, m, s)
本文向大家介绍python实现矩阵乘法的方法,包括了python实现矩阵乘法的方法的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了python实现矩阵乘法的方法。分享给大家供大家参考。具体实现方法如下: 希望本文所述对大家的Python程序设计有所帮助。
本文向大家介绍Java实现的矩阵乘法示例,包括了Java实现的矩阵乘法示例的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了Java实现的矩阵乘法。分享给大家供大家参考,具体如下: 思路: 矩阵乘法的前提是:前一矩阵的行数 == 后一矩阵的列数(rows == cols) 在满足前提的情况下:前一矩阵的第一行 与 第二个矩阵的第一列 逐个相乘。将乘积求和 作为 结果矩阵的第一个元素 类推刻得
本文向大家介绍java 矩阵乘法的mapreduce程序实现,包括了java 矩阵乘法的mapreduce程序实现的使用技巧和注意事项,需要的朋友参考一下 java 矩阵乘法的mapreduce程序实现 map函数:对于矩阵M中的每个元素m(ij),产生一系列的key-value对<(i,k),(M,j,m(ij))> 其中k=1,2.....知道矩阵N的总列数;对于矩阵N中的每个元素n(jk),
在前几章中我们学习了一些变换,通过它们我们能将3D世界中的物体灵活的变换到任意位置。之后我们还要学习两个变换(相机控制和透视投影),但是正如你可能已经猜到的,我们需要一个变换的组合。在很多情况下,你需要缩放物体以适应你的 3D 世界的尺寸,将其旋转到需要的方向,平移到某处等等。直到现在,我们每次都只能使用一个单一的变换。为了实现上述一系列的变换,我们需要用顶点坐标与第一个变换矩阵相乘,然后将前面的
我正在计算两大组向量(具有相同特征)之间的余弦相似度。每组向量表示为一个scipy CSR稀疏矩阵a和B。我想计算一个x B^T,它不会稀疏。但是,我只需要跟踪超过某个阈值的值,例如0.8。我正试图用vanilla RDD在Pyspark中实现这一点,目的是使用为scipy CSR矩阵实现的快速向量操作。 A和B的行是标准化的,所以为了计算余弦相似度,我只需要找到A中每一行与B中每一行的点积。A的
主要内容:逐元素矩阵乘法,矩阵乘积运算,矩阵点积矩阵乘法是将两个矩阵作为输入值,并将 A 矩阵的行与 B 矩阵的列对应位置相乘再相加,从而生成一个新矩阵,如下图所示: 注意:必须确保第一个矩阵中的行数等于第二个矩阵中的列数,否则不能进行矩阵乘法运算。 图1:矩阵乘法 矩阵乘法运算被称为向量化操作,向量化的主要目的是减少使用的 for 循环次数或者根本不使用。这样做的目的是为了加速程序的计算。 下面介绍 NumPy 提供的三种矩阵乘法,从而进一步