数据结构——关键路径AOV(图)

本文探讨了在有向图中如何通过构造邻接表结构来确定关键路径,介绍了事件最早发生时间(ETV)和最晚发生时间(LTV)的概念,以及如何利用拓扑排序找出活动顺序,最后揭示了关键活动和关键路径的判断标准。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在一个有向图中,顶点表示事件,有向边表示活动,边上的权值表示活动的持续时间

关键路径:活动的持续时间又称为路径长度,把源点到终点的具有最大长度的路径叫为关键路径。

关键路径又可以理解为同一个层次的事件,所占用的最大时间,那么关键路径必然经过这个事件。

活动的最晚开始时间和最晚开始时间相等,那么该活动就是关键活动,活动的路径就是关键路径

etv:事件最早发生时间
ltv:事件最晚发生时间
ete:活动最早开始时间
lte:活动最晚开始时间

etv是求该事件最早发生的时间,实际上就是求之前路径的最大权值之和
因为只有所有事件都发生了,下面一个事件才能开始发生,也就是事件的最早开始时间

ltv是求事件最晚发生时间,就是只要那个大事件还未结束,它在它本身的边权值上时间之前发生即可,是倒着推时间减去对应的边权值

活动的最晚发生时间lte:就是在该事件最晚发生,减去该边的持续时间
活动最早发生时间:就是该事件最早发生时。

当活动最早发生时间和活动最晚发生时间相等时,该活动所在的弧就是关键路径。

#include<iostream>
using namespace std;
#define MAX 25

typedef char Vertype;
typedef int Edgetype;
typedef int Status;

//构造图的有向图的邻接表结构体
typedef struct EdgeNode//边表结点  存放每个顶点的邻接点
{
	int adjvex;//边表下标
	Edgetype weight;//边表权重  若边不存在时即无NULL
	struct EdgeNode *next;//指向下一个邻接点
}EdgeNode;

typedef struct VerNode//顶点表   存放顶点
{
	int in;
	Vertype data;//顶点元素
	EdgeNode *firstedge;
}VerNode, AdjList[MAX];//邻接表的 顶点元素 和指向邻点的指针

typedef struct
{
	AdjList adjList;//邻接表
	int numVer, numEdge;//顶点数目和边的数目
}GraphAdjList;

//构造两个栈
typedef struct Stack
{
	int data[MAX];
	//int pop;
}SqStack;

//生成邻接表
Status CreatGraph(GraphAdjList &G)
{
	int i, j, k;
	Edgetype w;
	EdgeNode *e;
	cout << "Enter the number of vertices :" << endl;
	cin >> G.numVer;
	cout << "Enter the number of Edges :" << endl;
	cin >> G.numEdge;

	cout << "Input vertex content :" << endl;
	for (i = 0; i < G.numVer; i++)
	{
		cin >> G.adjList[i].data;//输入顶点元素
		G.adjList[i].in = 0;
		G.adjList[i].firstedge = NULL;//初始化邻边表为NULL;
	}

	for (k = 0; k < G.numEdge; k++)
	{
		cout << "Enter the vertex number of the edge (Vi->Vj)" << endl;
		cin >> i;
		cin >> j;

		cout << "Enter the weight of edge" << i << "-" << j << endl;
		cin >> w;
		e = new EdgeNode;//将两个顶点相结即可。
		e->adjvex = j;// 邻接序号为j
		e->next = G.adjList[i].firstedge;//i的第一个邻接指针 为e的指针
		e->weight = w;
		G.adjList[i].firstedge = e;
		G.adjList[j].in++;

		//有向图则只有生成一次即可
		/*
		e = new EdgeNode;
		e->adjvex = i;//无向图 重复一遍
		e->next = G.adjList[j].firstedge;
		G.adjList[j].firstedge = e;
		e->weight = w;*/
	}
	return 0;
}


SqStack *etv, *stack2;
SqStack *ltv;/*事件最晚发生时间*/
int top2;
//拓扑排序
Status TOpologicalSort(GraphAdjList &G)
{
	EdgeNode *e;
	//SqStack Q;
	int i, j, k, gettop;
	int top = 0;
	int count = 0;

	SqStack *Q;
	Q = new SqStack;
	for (i = 0; i < G.numVer; i++)
	{
		if (G.adjList[i].in == 0)
			Q->data[++top] = i;//存放入度为0的顶点
	}

	top2 = 0;/*初始化 事件最早发生的时间为0*/
	//SqStack *etv,*stack2;
	etv = new SqStack;
	for (i = 0; i < G.numVer; i++)
	{
		etv->data[i] = 0;
	}

	stack2 = new SqStack;
	while (top != 0)
	{
		gettop = Q->data[top--];//弹出入度为0的下标
		stack2->data[++top2] = gettop;//按照拓扑顺序保存弹出顶点下标
		count++;//统计拓扑网顶点数目

		//后面输出其边顶点
		//并删除边,使得边顶点入度-1
		for (e = G.adjList[gettop].firstedge; e; e = e->next)
		{
			j = e->adjvex;
			if (!(--G.adjList[j].in))//如果入度为1时  自减后进入循环   如果入度不为1,自减后 相当于边的数目减1
			{
				Q->data[++top] = j;//保存后续入度为0的顶点
			}

			/**/
			if ((etv->data[gettop] + e->weight) > etv->data[j])
			{
				etv->data[j] = etv->data[gettop] + e->weight;//保存权值   etv初始化都为0,
			}
		}
	}
	if (count < G.numVer)
	{
		cout << "不是一个网图" << endl;
		return 1;
	}
	else
	{
		cout << "是一个网图" << endl;
		return 0;
	}
	//return 0;

}

Status CriticalPath(GraphAdjList &G)
{
	EdgeNode *e;
	int i, j, k, gettop;
	int ete, lte;/*活动最早发生时间ele  活动最迟发生时间lte*/
	
	
	ltv = new SqStack;
	/*初始化ltv*/
	for (i = 0; i < G.numVer; i++)
	{
		ltv->data[i] = etv->data[G.numVer - 1];
	}
	while (top2 != 0)
	{
		gettop = stack2->data[top2--];
		for (e = G.adjList[gettop].firstedge; e; e = e->next)
		{
			k = e->adjvex;
			if (ltv->data[k] - e->weight < ltv->data[gettop])
			{
				ltv->data[gettop] = ltv->data[k] - e->weight;
			}
		}
	}
	for (j = 0; j < G.numVer; j++)
	{
		for (e = G.adjList[j].firstedge; e; e = e->next)
		{
			k = e->adjvex;
			ete = etv->data[j];
			lte = ltv->data[k] - e->weight;
			if (ete == lte)
			{
				cout <<G.adjList[j].data<<G.adjList[k].data<<e->weight << endl;
			}
		}
	}
	return 0;
}

int main()
{
	GraphAdjList G;
	CreatGraph(G);
	TOpologicalSort(G);
	CriticalPath(G);
	system("pause");
	return 0;
}

### 有向无环中的关键路径算法实现 对于有向无环(DAG)关键路径计算,主要涉及两个方面:一是求解各节点的最早发生时间和最迟发生时间;二是基于这些时间来识别哪些活动属于关键路径。 #### AOV网与AOE网定义 - **AOV网络** (Activity On Vertex Network): 节点代表活动或任务, 边表示活动之间的依赖关系[^1]. - **AOE网络** (Activity On Edge Network): 边代表具体的活动, 权重为该活动所需的时间; 而节点则标志着某些特定事件的发生时刻——即当所有指向它的前置活动结束之后才能启动后续活动[^2]. #### 关键路径原理概述 在一个仅有一个起点和终点的DAG里,完成全部工作的最小耗时由从起始位置至终止位置之间最长的一条路径决定。这条拥有最大总权重值的路径便是所谓的“关键路径”,而位于此路径上的那些操作就构成了“关键活动”。任何延迟都会直接影响整体项目的进度安排. #### 计算方法描述 为了找到这样的关键路径,通常采用如下步骤: 1. 对于给定的一个DAG G=(V,E), 需要先执行一次拓扑排序得到线性序列v_1,v_2,...,v_n. 2. 初始化ve[]数组用于记录每个顶点作为某项工作开始最早的可能时机(earliest event time); vl[]用来保存对应最晚允许发生的期限(latest allowable occurrence). 3. 设置源结点s的ve[s]=0,并按照拓扑顺序依次更新其他节点u的ve[u], 公式为`ve[u] = max{ ve[v]+w(v,u) | v->u }`. 4. 反转上述过程设置vl[t]=ve[t](t为目标节点),再逆序遍历调整其余节点u的vl[u], `vl[u] = min{ vl[w]-w(u,w) | u->w }`. 最后通过比较每一条弧e(i,j)两端所关联的时间差d[i][j]=vl[j]-ve[i]-weight(eij),若等于零,则说明它是构成关键路径的一部分. ```python from collections import defaultdict, deque def find_critical_path(graph, weights): n = len(graph) indegree = [0]*n for i in range(n): for j in graph[i]: indegree[j] += 1 queue = deque([i for i in range(n) if indegree[i]==0]) # Step 1 & 2 Initialize earliest and latest times etime = [float('-inf')]*n ltime = [float('inf')]*n etime[0] = 0 while queue: node = queue.popleft() for neighbor in graph[node]: weight = weights[(node,neighbor)] new_time = etime[node] + weight if new_time > etime[neighbor]: etime[neighbor] = new_time indegree[neighbor] -= 1 if not indegree[neighbor]: queue.append(neighbor) ltime[-1] = etime[-1] visited = set() def dfs(node,time): nonlocal ltime if node in visited or ltime[node]<time: return False visited.add(node) result = True for prev_node in reversed(list(filter(lambda x:(x,node)in weights.keys(),range(len(indegree))))): edge_weight = weights[(prev_node,node)] next_time = ltime[node] - edge_weight if abs(next_time-(etime[prev_node]))<1e-9: critical_edges.append((prev_node,node)) elif dfs(prev_node,next_time)==False: continue else: ltime[prev_node] = min(ltime[prev_node],next_time) return True critical_edges = [] dfs(n-1,ltime[n-1]) return critical_edges ```
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