c++实现给定n个矩阵A1,A2,…An，矩阵Ai的维度为pi-1 *pi，求出最优的连乘顺序，使得标量乘法运算的总次数最少。输入：向量P=<P0， P1，。。。， Pn>，其中P0， P1，。。。， Pn，为n个矩阵的行数与列数，输出：最优乘法顺序，最小乘法计算次数。

这个问题属于动态规划领域，通常称为矩阵链乘法（Matrix Chain Multiplication, MCM），目的是找到一种最优的矩阵相乘序列，以减少总的乘法操作次数。在 C++ 中，可以采用自底向上的动态规划方法来解决。

首先，定义一个二维数组 `dp`，其中 `dp[i][j]` 表示将矩阵 `A1` 到 `Ai` 的最优乘法分解，最后得到的是 `Aj+1` 的结果。数组的索引表示起始和结束矩阵。

算法步骤如下：

1. 初始化：如果只有一个矩阵（即 i = j），则直接返回 0，因为不需要乘法。
2. 计算：对于每个中间矩阵 Ai（1 < i <= n-1），遍历所有可能的拆分点 k (i-1 到 j)，然后选取当前拆分点下 dp[i-1][k] 和 dp[k+1][j] 加上 Ai 矩阵的秩（即行数和列数之积）作为 dp[i][j] 的值，选择使总乘法次数最小的那个拆分点。
3. 最终答案：dp[1][n] 就是整个矩阵链的最小乘法次数。

以下是简单的伪代码表示：

int matrixChainOrder(int P[], int N) {
    // 初始化 dp 数组
    for (int l = 1; l < N; l++) {
        for (int i = 1; i < N - l + 1; i++) {
            int j = i + l - 1;
            dp[i][j] = INT_MAX;
            for (int k = i; k < j; k++) {
                int cost = dp[i][k] + dp[k + 1][j] + (P[i - 1] * P[k] * P[j]);
                if (cost < dp[i][j]) {
                    dp[i][j] = cost;
                }
            }
        }
    }

    // 返回最优乘法顺序
    return dp[1][N];
}