Java矩阵乘法及优化 Java实现矩阵乘法以及优化的方法实例
GGG_Yu 人气:0想了解Java实现矩阵乘法以及优化的方法实例的相关内容吗,GGG_Yu在本文为您仔细讲解Java矩阵乘法及优化的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:java矩阵乘法,java矩阵,JAVA处理矩阵库,下面大家一起来学习吧。
传统的矩阵乘法实现
首先,两个矩阵能够相乘,必须满足一个前提:前一个矩阵的行数等于后一个矩阵的列数。
第一个矩阵的第m行和第二个矩阵的第n列的乘积和即为乘积矩阵第m行第n列的值,可用如下图像表示这个过程。
矩阵乘法过程展示
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实现该过程的传统方法就是按照该规则实现一个三重循环,把各项乘积累加:
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; }
可以看出该方法的时间复杂度为O(n3),当矩阵维数比较大的时候程序就很容易超时。
优化方法(Strassen算法)
Strassen算法是由Volker Strassen在1966年提出的第一个时间复杂度低于O(n³)的矩阵乘法算法,其主要思想是通过分治来实现矩阵乘法的快速运算,计算过程如图所示:
将一次矩阵乘法拆分成多个乘法与加法的结合
为什么这个方法会更快呢,我们知道,按照传统的矩阵乘法:
C11 = A11 * B11 + A12 * B21
C12 = A11 * B12 + A12 * B22
C21 = A21 * B11 + A22 * B21
C22 = A21 * B12 + A22 * B22
我们需要8次矩阵乘法和4次矩阵加法,正是这8次乘法最耗时;而Strassen方法只需要7次矩阵乘法,尽管代价是矩阵加法次数变为18次,但是基于数量级考虑,18次加法仍然快于1次乘法。
当然,Strassen算法的代码实现也比传统算法复杂许多,这里附上另一个大神写的java实现(原文链接:https:):
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(); } }
总结
加载全部内容