给定n个矩阵｛A1,A2,…,如何确 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。例如，给定三个连乘矩阵{A1，A2，A3}的维数 数组p为：10,100,5,50，即分别是10 ×100，100×5和5×50，采用（A1A2）A3，乘法次数为10×100×5+10×5×50=7500次，而采用A1（A2A3），乘法次数为100×5×50+10×100×50=75000次乘法，显然，最好的次序是（A1A2)A3，乘法次数为7500次。 输入格式: 输入有两行。第一行一个n表示矩阵的个数；第二行有n+1个数，分别为p 0 ​ ，p 1 ​ ...p n ​ 。 输出格式: 一个数，表示最少的乘法次数。 输入样例: 6 30 35 15 5 10 20 25 输出样例: 15125

根据您的描述，您需要一个算法来解决矩阵连乘积的计算次序问题，使得乘法次数最少。这个问题常被称为“矩阵链乘法问题”。

解决这个问题的常用算法是动态规划。我们定义一个二维数组dp来存储子问题的最优解，其中dp[i][j]表示矩阵Ai到Aj的最少乘法次数。对于任意的i <= k < j，假设我们已经知道了Ai到Ak和Ak+1到Aj的最优解，那么我们可以通过以下公式计算Ai到Aj的最优解：

dp[i][j] = min{dp[i][k] + dp[k+1][j] + pi-1 * pk * pj}

其中pi-1, pk, pj分别是矩阵Ai-1, Ak和Aj的维数。

最后，dp[1][n]就是矩阵连乘积的最小乘法次数。

下面是一个Python实现：

n = int(input())
p = list(map(int, input().split()))

dp = [[float('inf')] * n for _ in range(n)]
for i in range(n):
dp[i][i] = 0

for L in range(2, n+1):
for i in range(n-L+1):
j = i + L - 1
for k in range(i, j):
dp[i][j] = min(dp[i][j], dp[i][k] + dp[k+1][j] + p[i-1] * p[k] * p[j])

print(dp[0][n-1])