Java實現矩陣乘法以及優化的方法實例
傳統的矩陣乘法實現
首先,兩個矩陣能夠相乘,必須滿足一個前提:前一個矩陣的行數等於後一個矩陣的列數。
第一個矩陣的第m行和第二個矩陣的第n列的乘積和即為乘積矩陣第m行第n列的值,可用如下圖像表示這個過程。
矩陣乘法過程展示
C[1][1] = A[1][0] * B[0][1] + A[1][1] * B[1][1] + A[1][2] * B[2][1] + A[1][3] * B[3][1] + A[1][4] * B[4][1]
而用Java實現該過程的傳統方法就是按照該規則實現一個三重循環,把各項乘積累加:
public int[][] multiply(int[][] mat1, int[][] mat2){ int m = mat1.length, n = mat2[0].length; int[][] mat = new int[m][n]; for(int i = 0; i < m; i++){ for(int j = 0; j < n; j++){ for(int k = 0; k < mat1[0].length; k++){ mat[i][j] += mat1[i][k] * mat2[k][j]; } } } return mat; }
可以看出該方法的時間復雜度為O(n3),當矩陣維數比較大的時候程序就很容易超時。
優化方法(Strassen算法)
Strassen算法是由Volker Strassen在1966年提出的第一個時間復雜度低於O(n³)的矩陣乘法算法,其主要思想是通過分治來實現矩陣乘法的快速運算,計算過程如圖所示:
將一次矩陣乘法拆分成多個乘法與加法的結合
為什麼這個方法會更快呢,我們知道,按照傳統的矩陣乘法:
C11 = A11 * B11 + A12 * B21
C12 = A11 * B12 + A12 * B22
C21 = A21 * B11 + A22 * B21
C22 = A21 * B12 + A22 * B22
我們需要8次矩陣乘法和4次矩陣加法,正是這8次乘法最耗時;而Strassen方法隻需要7次矩陣乘法,盡管代價是矩陣加法次數變為18次,但是基於數量級考慮,18次加法仍然快於1次乘法。
當然,Strassen算法的代碼實現也比傳統算法復雜許多,這裡附上另一個大神寫的java實現(原文鏈接:https://www.jb51.net/article/205375.htm):
public class Matrix { private final Matrix[] _matrixArray; private final int n; private int element; public Matrix(int n) { this.n = n; if (n != 1) { this._matrixArray = new Matrix[4]; for (int i = 0; i < 4; i++) { this._matrixArray[i] = new Matrix(n / 2); } } else { this._matrixArray = null; } } private Matrix(int n, boolean needInit) { this.n = n; if (n != 1) { this._matrixArray = new Matrix[4]; } else { this._matrixArray = null; } } public void set(int i, int j, int a) { if (n == 1) { element = a; } else { int size = n / 2; this._matrixArray[(i / size) * 2 + (j / size)].set(i % size, j % size, a); } } public Matrix multi(Matrix m) { Matrix result = null; if (n == 1) { result = new Matrix(1); result.set(0, 0, (element * m.element)); } else { result = new Matrix(n, false); result._matrixArray[0] = P5(m).add(P4(m)).minus(P2(m)).add(P6(m)); result._matrixArray[1] = P1(m).add(P2(m)); result._matrixArray[2] = P3(m).add(P4(m)); result._matrixArray[3] = P5(m).add(P1(m)).minus(P3(m)).minus(P7(m)); } return result; } public Matrix add(Matrix m) { Matrix result = null; if (n == 1) { result = new Matrix(1); result.set(0, 0, (element + m.element)); } else { result = new Matrix(n, false); result._matrixArray[0] = this._matrixArray[0].add(m._matrixArray[0]); result._matrixArray[1] = this._matrixArray[1].add(m._matrixArray[1]); result._matrixArray[2] = this._matrixArray[2].add(m._matrixArray[2]); result._matrixArray[3] = this._matrixArray[3].add(m._matrixArray[3]);; } return result; } public Matrix minus(Matrix m) { Matrix result = null; if (n == 1) { result = new Matrix(1); result.set(0, 0, (element - m.element)); } else { result = new Matrix(n, false); result._matrixArray[0] = this._matrixArray[0].minus(m._matrixArray[0]); result._matrixArray[1] = this._matrixArray[1].minus(m._matrixArray[1]); result._matrixArray[2] = this._matrixArray[2].minus(m._matrixArray[2]); result._matrixArray[3] = this._matrixArray[3].minus(m._matrixArray[3]);; } return result; } protected Matrix P1(Matrix m) { return _matrixArray[0].multi(m._matrixArray[1]).minus(_matrixArray[0].multi(m._matrixArray[3])); } protected Matrix P2(Matrix m) { return _matrixArray[0].multi(m._matrixArray[3]).add(_matrixArray[1].multi(m._matrixArray[3])); } protected Matrix P3(Matrix m) { return _matrixArray[2].multi(m._matrixArray[0]).add(_matrixArray[3].multi(m._matrixArray[0])); } protected Matrix P4(Matrix m) { return _matrixArray[3].multi(m._matrixArray[2]).minus(_matrixArray[3].multi(m._matrixArray[0])); } protected Matrix P5(Matrix m) { return (_matrixArray[0].add(_matrixArray[3])).multi(m._matrixArray[0].add(m._matrixArray[3])); } protected Matrix P6(Matrix m) { return (_matrixArray[1].minus(_matrixArray[3])).multi(m._matrixArray[2].add(m._matrixArray[3])); } protected Matrix P7(Matrix m) { return (_matrixArray[0].minus(_matrixArray[2])).multi(m._matrixArray[0].add(m._matrixArray[1])); } public int get(int i, int j) { if (n == 1) { return element; } else { int size = n / 2; return this._matrixArray[(i / size) * 2 + (j / size)].get(i % size, j % size); } } public void display() { for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { System.out.print(get(i, j)); System.out.print(" "); } System.out.println(); } } public static void main(String[] args) { Matrix m = new Matrix(2); Matrix n = new Matrix(2); m.set(0, 0, 1); m.set(0, 1, 3); m.set(1, 0, 5); m.set(1, 1, 7); n.set(0, 0, 8); n.set(0, 1, 4); n.set(1, 0, 6); n.set(1, 1, 2); Matrix res = m.multi(n); res.display(); } }
總結
到此這篇關於Java實現矩陣乘法以及優化的文章就介紹到這瞭,更多相關Java矩陣乘法及優化內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!