7-11 关键活动

本文探讨了工程项目中任务调度的可行性与效率问题,通过构建任务依赖关系图,使用拓扑排序判断是否存在环路,进而确定任务调度是否可行。若可行,计算整个项目最短完成时间和识别关键活动,确保项目按时完成。

假定一个工程项目由一组子任务构成,子任务之间有的可以并行执行,有的必须在完成了其它一些子任务后才能执行。“任务调度”包括一组子任务、以及每个子任务可以执行所依赖的子任务集。

比如完成一个专业的所有课程学习和毕业设计可以看成一个本科生要完成的一项工程,各门课程可以看成是子任务。有些课程可以同时开设,比如英语和C程序设计,它们没有必须先修哪门的约束;有些课程则不可以同时开设,因为它们有先后的依赖关系,比如C程序设计和数据结构两门课,必须先学习前者。

但是需要注意的是,对一组子任务,并不是任意的任务调度都是一个可行的方案。比如方案中存在“子任务A依赖于子任务B,子任务B依赖于子任务C,子任务C又依赖于子任务A”,那么这三个任务哪个都不能先执行,这就是一个不可行的方案。

任务调度问题中,如果还给出了完成每个子任务需要的时间,则我们可以算出完成整个工程需要的最短时间。在这些子任务中,有些任务即使推迟几天完成,也不会影响全局的工期;但是有些任务必须准时完成,否则整个项目的工期就要因此延误,这种任务就叫“关键活动”。

请编写程序判定一个给定的工程项目的任务调度是否可行;如果该调度方案可行,则计算完成整个工程项目需要的最短时间,并输出所有的关键活动。

输入格式:

输入第1行给出两个正整数N(≤100)和M,其中N是任务交接点(即衔接相互依赖的两个子任务的节点,例如:若任务2要在任务1完成后才开始,则两任务之间必有一个交接点)的数量。交接点按1~N编号,M是子任务的数量,依次编号为1~M。随后M行,每行给出了3个正整数,分别是该任务开始和完成涉及的交接点编号以及该任务所需的时间,整数间用空格分隔。

输出格式:

如果任务调度不可行,则输出0;否则第1行输出完成整个工程项目需要的时间,第2行开始输出所有关键活动,每个关键活动占一行,按格式“V->W”输出,其中V和W为该任务开始和完成涉及的交接点编号。关键活动输出的顺序规则是:任务开始的交接点编号小者优先,起点编号相同时,与输入时任务的顺序相反。

输入样例:

7 8
1 2 4
1 3 3
2 4 5
3 4 3
4 5 1
4 6 6
5 7 5
6 7 2

输出样例:

17
1->2
2->4
4->6
6->7

 

      拓扑排序的变形,具体代码实现如下:

#include<stdio.h>
#include<stdlib.h>
#include<string.h>

#define MaxVertexNum 105    /* 最大顶点数设为105 */
typedef int Vertex;         /* 用顶点下标表示顶点,为整型 */
typedef int WeightType;        /* 边的权值设为整型 */
typedef int DataType;        /* 顶点存储的数据类型设为整型 */
 
/* 边的定义 */
typedef struct ENode *PtrToENode;
struct ENode{
    Vertex V1, V2;      /* 有向边<V1, V2> */
    WeightType Weight;  /* 权重 */
};
typedef PtrToENode Edge;
 
/* 邻接点的定义 */
typedef struct AdjVNode *PtrToAdjVNode; 
struct AdjVNode{
    Vertex AdjV;        /* 邻接点下标 */
    WeightType Weight;  /* 边权重 */
    PtrToAdjVNode Next;    /* 指向下一个邻接点的指针 */
};
 
/* 顶点表头结点的定义 */
typedef struct Vnode{
    PtrToAdjVNode FirstEdge;/* 边表头指针 */
    DataType Earliest;      /* 存顶点的数据 */
    DataType Latest;
} AdjList[MaxVertexNum];    /* AdjList是邻接表类型 */
 
/* 图结点的定义 */
typedef struct GNode *PtrToGNode;
struct GNode{  
    int Nv;     /* 顶点数 */
    int Ne;     /* 边数   */
    AdjList G;  /* 邻接表 */
};
typedef PtrToGNode LGraph; /* 以邻接表方式存储的图类型 */

LGraph BuildGraph(); 
bool TopSort( LGraph Graph, Vertex TopOrder[] );
void Critical_path(LGraph Graph);

int main()
{
	LGraph graph;
	Vertex TopOrder[MaxVertexNum];
	int i,max = 0;  //所有检查点最早完成时间的最大值 
	Vertex V;
	PtrToAdjVNode W;
	
	graph = BuildGraph();
	if( !TopSort(graph,TopOrder) )
		printf("0\n");
	else{
		for(i=0; i<graph->Nv; i++){
			if(graph->G[i].Earliest > max){
				max = graph->G[i].Earliest;
			}
		}
		printf("%d\n",max);
		for(i=0; i<graph->Nv; i++) 
        	graph->G[i].Latest = max;  //初始化每个顶点的最晚完成时间为max天
		Critical_path( graph );
		for(i=0; i<graph->Nv; i++){
			//V = TopOrder[i];
			for (W=graph->G[i].FirstEdge; W; W=W->Next){
				if( graph->G[i].Earliest+W->Weight == graph->G[W->AdjV].Latest ){
					printf("%d->%d\n",i+1,W->AdjV+1);
				}
			}
		} 
	} 
	
	return 0;
}

LGraph CreateGraph( int VertexNum )
{ /* 初始化一个有VertexNum个顶点但没有边的图 */
    Vertex V;
    LGraph Graph;
     
    Graph = (LGraph)malloc( sizeof(struct GNode) ); /* 建立图 */
    Graph->Nv = VertexNum;
    Graph->Ne = 0;
    /* 初始化邻接表头指针 */
    /* 注意:这里默认顶点编号从0开始,到(Graph->Nv - 1) */
    for (V=0; V<Graph->Nv; V++)
        Graph->G[V].FirstEdge = NULL;
         
    return Graph; 
}
        
void InsertEdge( LGraph Graph, Edge E )
{
    PtrToAdjVNode NewNode;
    PtrToAdjVNode W;
     
    /* 插入边 <V1, V2> */
    /* 为V2建立新的邻接点 */
    NewNode = (PtrToAdjVNode)malloc(sizeof(struct AdjVNode));
    NewNode->AdjV = E->V2;
    NewNode->Weight = E->Weight;
    /* 将V2插入V1的表头 */
    NewNode->Next = Graph->G[E->V1].FirstEdge;
    Graph->G[E->V1].FirstEdge = NewNode;
}

LGraph BuildGraph()
{
    LGraph Graph;
    Edge E;
    Vertex V;
    int Nv, i;
     
    scanf("%d", &Nv);   /* 读入顶点个数 */
    Graph = CreateGraph(Nv); /* 初始化有Nv个顶点但没有边的图 */ 
     
    scanf("%d", &(Graph->Ne));   /* 读入边数 */
    if ( Graph->Ne != 0 ) { /* 如果有边 */ 
        E = (Edge)malloc( sizeof(struct ENode) ); /* 建立边结点 */ 
        /* 读入边,格式为"起点 终点 权重",插入邻接表中 */
        for (i=0; i<Graph->Ne; i++) {
            scanf("%d %d %d", &E->V1, &E->V2, &E->Weight);
            //注意:这里默认顶点编号从0开始,到(Graph->Nv-1)
			E->V1--;
            E->V2--;
            InsertEdge( Graph, E );
        }
    } 
    
    for (V=0; V<Graph->Nv; V++) 
        Graph->G[V].Earliest = 0;  //初始化每个顶点的最早完成时间为0天 
 
    return Graph;
}

//int compare (const void * a, const void * b)
//{
//	return ( *(int*)a - *(int*)b );
//}

/* 邻接表存储 - 拓扑排序算法 */
bool TopSort( LGraph Graph, Vertex TopOrder[] )
{ /* 对Graph进行拓扑排序,  TopOrder[]顺序存储排序后的顶点下标 */
    int Indegree[MaxVertexNum], cnt;
    Vertex V;
    PtrToAdjVNode W;
    Vertex queue[MaxVertexNum];  //结点队列
    int head = 0,tail = 0;       //队列头尾指针
    //int i,j;
    //int sort[MaxVertexNum];
  
    /* 初始化Indegree[] */
    for (V=0; V<Graph->Nv; V++)
        Indegree[V] = 0;
         
    /* 遍历图,得到Indegree[] */
    for (V=0; V<Graph->Nv; V++)
        for (W=Graph->G[V].FirstEdge; W; W=W->Next)
            Indegree[W->AdjV]++; /* 对有向边<V, W->AdjV>累计终点的入度 */
             
    /* 将所有入度为0的顶点入列 */
    for (V=0; V<Graph->Nv; V++)
        if ( Indegree[V]==0 )
            queue[tail++] = V;
             
    /* 下面进入拓扑排序 */ 
    cnt = 0; 
    while( head < tail ){
        V = queue[head++]; /* 弹出一个入度为0的顶点 */
        TopOrder[cnt++] = V; /* 将之存为结果序列的下一个元素 */
        /* 对V的每个邻接点W->AdjV */
        //j = 0;
		//memset(sort,0,sizeof(sort));
        for ( W=Graph->G[V].FirstEdge; W; W=W->Next ){
		/*W->Adjv结点处的最早完成时间为(每个前面必须完成结点的最早完成时间+边的权重)的最大值*/
        	if( Graph->G[V].Earliest+W->Weight > Graph->G[W->AdjV].Earliest) 
        		Graph->G[W->AdjV].Earliest = Graph->G[V].Earliest+W->Weight;
			if ( --Indegree[W->AdjV] == 0 )/* 若删除V使得W->AdjV入度为0 */
				queue[tail++] = W->AdjV; /* 则该顶点入列 */
		}
//		qsort(sort,j,sizeof(int),compare);
//		for(i=0; i<j; i++){
//			queue[tail++] = sort[i]; /* 则该顶点入列 */
//		}
    } /* while结束*/
     
    if ( cnt != Graph->Nv )
        return false; /* 说明图中有回路, 返回不成功标志 */ 
    else
        return true;
}

void Critical_path(LGraph Graph)
{
	int Outdegree[MaxVertexNum];
    Vertex V;
    PtrToAdjVNode W;
    Vertex queue[MaxVertexNum];  //结点队列
    int head = 0,tail = 0;       //队列头尾指针
    int i; 
  
    /* 初始化Outdegree[] */
    for (V=0; V<Graph->Nv; V++)
        Outdegree[V] = 0;
         
    /* 遍历图,得到Outdegree[] */
    for (V=0; V<Graph->Nv; V++)
        for (W=Graph->G[V].FirstEdge; W; W=W->Next)
            Outdegree[V]++; /* 对有向边<V, W->AdjV>累计起点的出度 */
             
    /* 将所有出度为0的顶点入列 */
    for (V=0; V<Graph->Nv; V++)
        if ( Outdegree[V]==0 )
            queue[tail++] = V;

    while( head < tail ){
        V = queue[head++]; /* 弹出一个出度为0的顶点 */
        for(i=0; i<Graph->Nv; i++){
        	for ( W=Graph->G[i].FirstEdge; W; W=W->Next ){
        		/*对V的每个前驱节点*/
				if(W->AdjV == V){
        		/*i结点处的最晚完成时间为
				(其每个后继结点的最晚完成时间-边的权重)中的最小值*/	
					if( Graph->G[V].Latest-W->Weight < Graph->G[i].Latest) 
        				Graph->G[i].Latest = Graph->G[V].Latest-W->Weight;
					if ( --Outdegree[i] == 0 )/* 若删除V使得i出度为0 */
						queue[tail++] = i; /* 则该顶点入列 */
				}
			}
		}
	}
}

 

7-11 关键活动 分数 30 作者 DS课程组 单位 浙江大学 假定一个工程项目由一组子任务构成,子任务之间有的可以并,有的必须在完成了其它一些子任务后才能执。“任务调度”包括一组子任务、以及每个子任务可以执所依赖的子任务集。 比如完成一个专业的所有课程学习毕业设计可以看成一个本科生要完成的一项工程,各门课程可以看成是子任务。有些课程可以同时开设,比如英语C程序设计,它们没有必须先修哪门的约束;有些课程则不可以同时开设,因为它们有先后的依赖关系,比如C程序设计数据结构两门课,必须先学习前者。 但是需要注意的是,对一组子任务,并不是任意的任务调度都是一个可的方案。比如方案中存在“子任务A依赖于子任务B,子任务B依赖于子任务C,子任务C又依赖于子任务A”,那么这三个任务哪个都不能先执,这就是一个不可的方案。 任务调度问题中,如果还给出了完成每个子任务需要的时间,则我们可以算出完成整个工程需要的最短时间。在这些子任务中,有些任务即使推迟几天完成,也不会影响全局的工期;但是有些任务必须准时完成,否则整个项目的工期就要因此延误,这种任务就叫“关键活动”。 请编写程序判定一个给定的工程项目的任务调度是否可;如果该调度方案可,则计算完成整个工程项目需要的最短时间,并输出所有的关键活动输入格式: 输入1给出两个正整数N(100)M,其中N是任务交接点(即衔接相互依赖的两个任务的节点,例如:若任务2要在任务1完成后才开始,则两任务之间必有一个交接点)的数量。交接点1N编号,M是子任务的数量,依次编号为1M。随后M,每给出了3个正整数,分别是该任务开始完成涉及的交接点编号以及该任务所需的时间,整数间用空格分隔。 输出格式: 如果任务调度不可,则输出0;否则第1输出完成整个工程项目需要的时间,第2开始输出所有关键活动,每个关键活动占一,按格式“V->W”输出,其中VW为该任务开始完成涉及的交接点编号。关键活动输出的顺序规则是:任务开始的交接点编号小者优先,起点编号相同时,与输入任务的顺序相反。 输入样例: 7 8 1 2 4 1 3 3 2 4 5 3 4 3 4 5 1 4 6 6 5 7 5 6 7 2 输出样例: 17 1->2 2->4 4->6 6->7 代码长度限制 16 KB 时间限制 400 ms 内存限制 64 MB 栈限制 8192 KB使用c++
最新发布
11-21
这是一个典型的 **关键路径(Critical Path)问题**,要求我们: 1. 判断任务调度是否可(即图中是否有环) 2. 若可,计算整个工程的最短完成时间(即最长路径长度) 3. 输出所有构成关键路径的任务关键活动--- ### ✅ 解题思路 #### 1. 基本概念 - 每个“交接点”是一个事件节点(顶点),编号从 1 到 N - 每条“子任务”是一条有向边:`u -> v`,耗时为 `w` - 工程开始于入度为0的节点,结束于出度为0的节点 - 整个项目的最短完成时间 = 从起点到终点的 **最长路径(关键路径)** - 关键活动:位于关键路径上的边,其延迟会导致整体工期延长 #### 2. 算法步骤 1. **拓扑排序**: - 构建邻接表入度数组 - 使用队列进 BFS 式拓扑排序 - 若不能访问所有节点 → 存在环 → 输出 `0` 2. **计算最早发生时间 `ve[]`**(Vertex Earliest): - 在拓扑序中,对每个出边更新目标点: `ve[v] = max(ve[v], ve[u] + w)` 3. **计算最晚发生时间 `vl[]`**(Vertex Latest): - 初始化 `vl[i] = ve[sink]`(汇点的最晚时间等于最早时间) - 按逆拓扑序遍历,反向松弛: `vl[u] = min(vl[u], vl[v] - w)` 4. **找关键活动**: - 对每条边 `u->v`,权值为 `w` - 如果满足:`ve[u] == vl[u] && ve[v] == vl[v] && ve[u] + w == ve[v]` - 或更直接地:该边的 **边的最早开始时间 = 最晚开始时间** - 即:`e = ve[u]`, `l = vl[v] - w`, 若 `e == l` → 是关键活动 5. **输出顺序**: - 所有关键活动按“起点编号小者优先;起点相同时,按输入顺序的**逆序**” - 所以我们要记录每条边的输入顺序,并在最后排序时使用 --- ### ✅ C++ 实现代码 ```cpp #include <iostream> #include <vector> #include <queue> #include <algorithm> #include <climits> using namespace std; const int MAXN = 105; struct Edge { int u, v, w, id; }; int main() { int N, M; cin >> N >> M; vector<vector<pair<int, int>>> graph(N + 1); // graph[u]: {v, w} vector<int> indegree(N + 1, 0); vector<Edge> edges; // 保存原始边及其输入顺序 for (int i = 0; i < M; ++i) { int u, v, w; cin >> u >> v >> w; graph[u].push_back({v, w}); indegree[v]++; edges.push_back({u, v, w, i}); // 记录输入顺序 i } // Step 1: Topological sort and compute ve[] vector<int> ve(N + 1, 0); // earliest time for each event vector<int> topo; queue<int> q; for (int i = 1; i <= N; ++i) { if (indegree[i] == 0) { q.push(i); } } while (!q.empty()) { int u = q.front(); q.pop(); topo.push_back(u); for (auto& edge : graph[u]) { int v = edge.first; int w = edge.second; ve[v] = max(ve[v], ve[u] + w); indegree[v]--; if (indegree[v] == 0) { q.push(v); } } } // Check feasibility if (topo.size() != N) { cout << 0 << endl; return 0; } // Step 2: Compute vl[] (latest time) vector<int> vl(N + 1, INT_MAX); int sink = *max_element(topo.begin(), topo.end(), [&](int a, int b) { return ve[a] < ve[b]; }); // Actually, the sink(s) are nodes with max ve[], but we can set all vl to max ve int project_time = ve[sink]; for (int i = 1; i <= N; ++i) { if (ve[i] == project_time) { // If multiple sinks, they should have same vl vl[i] = project_time; } else { vl[i] = project_time; } } // But better: initialize all vl as project_time fill(vl.begin(), vl.end(), project_time); // Reverse topological order reverse(topo.begin(), topo.end()); for (int u : topo) { for (auto& edge : graph[u]) { int v = edge.first; int w = edge.second; if (vl[v] != INT_MAX) { vl[u] = min(vl[u], vl[v] - w); } } } // Step 3: Find critical activities vector<Edge> criticals; for (const auto& e : edges) { int u = e.u, v = e.v, w = e.w; int early_start = ve[u]; int late_start = vl[v] - w; if (early_start == late_start) { criticals.push_back(e); } } // Sort criticals: by u ascending, then by input id descending (reverse order) sort(criticals.begin(), criticals.end(), [](const Edge& a, const Edge& b) { if (a.u != b.u) return a.u < b.u; return a.id > b.id; // reverse input order }); // Output cout << project_time << endl; for (const auto& e : criticals) { cout << e.u << "->" << e.v << endl; } return 0; } ``` --- ### 🔍 代码解释 | 步骤 | 功能 | |------|------| | `graph` `indegree` | 建图并统计入度 | | 拓扑排序 | 同时计算 `ve[]`(最早事件时间) | | `vl[]` 初始化 | 所有节点初始化为总工期 | | 逆拓扑序更新 `vl[]` | `vl[u] = min(vl[u], vl[v] - w)` | | 关键活动判断 | 边 `(u,v)` 的最早开始时间 = `ve[u]`,最晚开始时间 = `vl[v] - w`,若相等则是关键活动 | | 排序规则 | 起点升序,同起点按输入顺序逆序 | --- ### 🧪 示例验证 输入: ``` 7 8 1 2 4 1 3 3 2 4 5 3 4 3 4 5 1 4 6 6 5 7 5 6 7 2 ``` - 关键路径:`1→2→4→6→7`,总长:4+5+6+2=17 - 输出: ``` 17 1->2 2->4 4->6 6->7 ``` ✅ 完全匹配样例! 另一个情况如果存在环,则 `topo.size() != N` → 输出 `0` --- ### ⚠️ 注意事项 - 顶点编号从 `1` 开始!注意数组边界 - 多个源点或汇点也能处理(`ve` `vl` 正确初始化即可) - 逆拓扑序必须是原拓扑序列的反转 - 排序时要保留原始输入 ID 用于逆序输出 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值