最近忙着做作业。主要是《代数与图论》的一些算法的实现,五一估计不用过了,数据压缩要看论文,信息检索要做实验,实验室还要实现模糊匹配的改进。。。我怎么选了这么些难搞的课啊。。编程珠玑看来要被无限地搁置了
说一下关键路径的实现吧。
其实主要也是从网上看来的。
关键路径的相关概念:
1. AOE图:在工程上,很多任务之间常常有先后顺序的要求,例如,建房子前要先打桩等。任务与任务之前有前后顺序要求时,在图上表现为一个有向边,从任务(1)指向任务(2),并且这中间需要一定的时间间隔,往往把时间间隔做为两个任务间的边的权重。这样的图叫AOE图(Activity on Edge)。下图即为一个AOE图(呵呵,我也是从某个PPT上拷下来的):
2. 最早发生时间:最早发生时间是指从源点v1到任意vi的最长路径,叫事件中vi的最早发生时间。(因为必须等前面需要完成的任务都完成后,才能做vi)
设ve(i)为vi的最早发生时间,有ve(1)=0, ve(i) = max{ve(i)+dut<j,k>}, <i,j>is in T
T是所有以j为弧头的弧集合,dut<i,j>表示从i到j需要的时间。
(如上图结点7, ve(7)=max{ve(4)+a8, ve(5)+a2})
3. 最迟发生时间:最迟发生时间是指从在不推迟整个工程完成的前提下,ai的最迟必须开始进行的时间。
设vl(i)为vi的最迟发生时间,有vl(n)=ve(n), vl(i) = min{vl(j)-dut<i,j>}, <i j>is in S
S是所有以i为弧尾的弧的集合.
(如上图,vl(5)=min{vl(7)-a5, vl(8)-a10})
4. 当ve(i)+dut<i,j>=vl(j)时,弧<i, j>为关键路径上的弧。
这样的话,我们可以先通过拓扑排序一路计算出每个结点的最早发生时间,最后将ve(n)赋予vl(n)然后再一路返回来求每个结点的最迟发生时间,即可求出关键路径上的弧了。
算法流程主要是做拓扑排序,这个过程可以顺便求出各个结点的最早发生时间。求结点的最迟发生时间是一个逆排序过程。具体实现的时候,我把队列做成两头通的,用front和rear来表示队列的头部跟尾部。拓扑排序的时候从队尾加进去,逆排序的时候从队尾取出来。
首先是数据结构的表示。我用一个邻接表表示一个图。因为做拓扑排序的时候,我是通过将入度为0的点压入栈中,所以在邻接表的头部我记录了相关顶点的入度。
具体代码如下:
#include<stdio.h>
//邻接结点的ID及边上的权重。
typedef struct Node{
int nodeID;
int dut;
struct Node* next;
}adjNode;
//表头,结点nodeID的入度,邻接结点
typedef struct{
int indgr;
int nodeID;
adjNode* adj;
adjNode* tail; //为方便加入新结点而设计的。
}vexNode;
void criticalPath( vexNode* g, int numP ){
//data structure for calculation
int* stack = (int*)malloc( sizeof(int)*numP );
int front = 0, rear = -1;
int* ve = (int*)malloc( sizeof(int)*numP );
int* vl = (int*)malloc( sizeof(int)*numP );
int i;
for( i=0; i<numP; i++ )
if( g[i].indgr == 0 )
stack[++rear] = i;
for( i=0; i<numP; i++ ) ve[i] = 0;
while( rear>=front ){
int j=stack[front++];
adjNode* tmp;
for( tmp=g[j].adj; tmp!=NULL; tmp=tmp->next ){
(g[tmp->nodeID].indgr)--;
if( g[tmp->nodeID].indgr == 0 )
stack[++rear]=tmp->nodeID;
//calculate the earliest start time
if( ve[tmp->nodeID] < ve[j]+tmp->dut )
ve[tmp->nodeID] = ve[j]+tmp->dut;
}
}
if( rear < numP-1 ){
printf( "circle in the graph\n" );
return ;
}
//lastest start time
for( i =0; i<numP; i++ )
vl[i] = ve[numP-1];
while( rear>=0 ){
int j=stack[rear--];
adjNode* tmp;
for( tmp=g[j].adj; tmp!=NULL; tmp=tmp->next ){
if( vl[j] > vl[tmp->nodeID] - tmp->dut )
vl[j] = vl[tmp->nodeID] - tmp->dut;
}
}
front = 0;
rear = numP-1;
//collect the critical tasks
while( rear>=front ){
int j=stack[front++];
adjNode* tmp;
for( tmp=g[j].adj; tmp!=NULL; tmp=tmp->next ){
if( ve[j] == vl[tmp->nodeID]-tmp->dut )
printf( "<%d, %d>\n", j, tmp->nodeID );
}
}
free( stack );
free( ve );
free( vl );
}
main(){
int verNum, actNum;
int i;
printf( "enter the number of vertices: " );
scanf( "%d", &verNum );
vexNode* g = (vexNode*)malloc( sizeof(vexNode)*verNum );
//initialization
for( i=0; i<verNum; i++ ){
g[i].indgr = 0;
g[i].nodeID = i;
g[i].adj = NULL;
g[i].tail = NULL;
}
printf( "\nhow many activities are there? " );
scanf( "%d", &actNum );
printf( "\nenter them in the form of | startNode endNode duration | one by one\n" );
int tmpS, tmpE, tmpD;
//construct the map for the project
for( i=0; i<actNum; i++ ){
scanf( "%d %d %d", &tmpS, &tmpE, &tmpD );
(g[tmpE].indgr)++;
adjNode* tmpN = (adjNode*) malloc( sizeof(adjNode) );
tmpN->nodeID = tmpE;
tmpN->dut = tmpD;
tmpN->next = NULL;
if( g[tmpS].tail == NULL ){
g[tmpS].adj = tmpN;
g[tmpS].tail = tmpN;
}else{
g[tmpS].tail->next = tmpN;
g[tmpS].tail = tmpN;
}
}
//search the critical path
criticalPath( g, verNum );
}
- 大小: 26.4 KB
分享到:
相关推荐
掌握图论中的AOE网与关键路径知识对于软件开发、系统分析、项目管理等领域的专业人士来说极为重要,它可以帮助他们更高效地规划和执行复杂项目,提高工作效率,减少不必要的延误。因此,深入理解和应用这些理论是...
这里我们将围绕"哈尔滨工业大学图论-总结"这一主题,深入解析其中可能涵盖的关键知识点。 1. 图的基本概念: - 图是由顶点(Vertex)和边(Edge)构成的数据结构,可以用来表示各种关系。边连接两个顶点,无向图的...
总的来说,图论的环与块是分析复杂系统连接性的关键工具,最小环的识别对优化问题至关重要。通过学习相关理论和算法,我们可以更好地理解和解决实际问题。阅读"图论- 环与块- 最小环.pdf"这份资料,将有助于深化你对...
在这个压缩包“图论- 图的搜索.rar”中,我们主要可以学习到关于图的深度优先搜索(DFS)和广度优先搜索(BFS)这两个关键算法。 深度优先搜索是一种用于遍历或搜索树或图的算法。在图中,DFS会尽可能深地探索图的...
在计算机科学中,图论的应用无处不在,如网络设计、任务调度、最短路径问题、社交网络分析等。关键概念包括无向图、有向图、邻接矩阵、邻接表、连通性、树、生成树、环、桥、二分图等。深度优先搜索(DFS)和广度...
在这个主题中,“生成树”和“最小瓶颈路”是两个关键概念,它们在图论算法中有着广泛的应用,特别是在网络设计、路径优化、数据结构等领域。 生成树是指在一个无环连通图(即无向图或有向图)中找到一个子集,这个...
弦图的一个关键特性是,它能简化复杂网络的表示,帮助我们理解和解决涉及这些网络的问题。 接下来,我们转向Lex BFS算法,这是一种对图进行遍历的特殊方法。广度优先搜索(BFS)是一种基础的图遍历算法,它从一个...
匈牙利算法的一个关键特性是它总是能找到最大匹配,而且时间复杂度为O(n^3),其中n是图中节点的数量。这使得它在处理中等规模问题时非常有效。 在实际应用中,匈牙利算法不仅可以解决二分图的最大匹配问题,还可以...
在本压缩包文件中,我们将探讨两个关键的算法:SAP(Shortest Augmenting Path)算法和ISAP(Iterative Shortest Augmenting Path)算法,它们都是求解网络最大流问题的有效方法。 最大流问题是寻找网络中从源点到...
图论是离散数学的一个重要分支,主要研究图的结构、性质及其应用。在这个主题中,"环"和"块"是两个核心概念,它们在理解图的连通性、分解以及复杂网络分析中起到关键作用。让我们深入探讨这两个概念。 环是指在图中...
在图论中,图的遍历是一个基础且关键的概念,它涉及到如何系统地访问图中的每一个顶点。这里我们将深入探讨图的遍历方法——深度优先搜索(DFS)和广度优先搜索(BFS)。 1. 深度优先搜索(DFS) DFS 是一种用于...
平面图的概念在计算机图形学、电路设计等领域非常关键,因为它允许我们将复杂的问题分解为二维空间内的简单结构。平面图的性质包括欧拉公式(V - E + F = 2,其中V是顶点数,E是边数,F是面数)和四色定理(任何平面...
在图论中,环与块是两个基本概念,尤其在有向无环图(DAG,Directed Acyclic Graph)的分析中,它们扮演着关键角色。 **环与图论** 环在图论中指的是一个起点和终点相同的路径,它构成了一个闭合序列。在无向图中,...
图的连通性是图论中的核心概念之一,主要关注图中的顶点之间是否存在路径使得它们可以互相到达。 Kosaraju算法是一种用于识别图的强连通分量的算法。强连通分量是图中的一种特殊子图,其中任意两个顶点都是相互可达...
在图论中,图的连通性是极其关键的概念,它涉及到图中节点之间的路径存在性。传递闭包是图的连通性理论中的一个核心概念,尤其在有向图(也称为有向网络)的分析中具有重要意义。 首先,我们要理解“连通图”的概念...
当我们探讨图的连通性时,关注的是图中各个顶点之间是否存在路径使得它们可以互相到达。 Tarjan算法是一种求解图的连通性问题的方法,特别用于识别割点(cut vertex)和桥(bridge)。这两个概念对于理解图的结构至...
环是图中的一种特殊结构,指的是起点和终点相同的闭合路径,而连通块则是指图中任意两个顶点之间都存在路径的子图。 在“环与块”的主题中,我们首先要理解环的概念。环是图中一个重要的组成部分,它代表了一条开始...
这些知识点涵盖了集合论的基本概念、图论中的关键术语和性质,以及相关的函数和关系理论,这些都是计算机科学特别是算法和数据结构领域的基础。理解并掌握这些知识有助于解决复杂问题,如图的遍历、搜索和最优化问题...
网络流问题的建模技巧和算法是解决实际问题的关键。理解并熟练掌握这些概念和方法,能帮助我们设计出更有效的解决方案,解决各种实际场景下的优化问题。通过深入学习和实践,可以进一步探索网络流理论的复杂性和深度...
Dinic算法的关键在于其高效的路径查找和增广策略,能够有效地利用网络的局部结构,避免了回溯和无效的流量分配。其时间复杂度通常为O(V^2 * E),其中V是节点数,E是边数。尽管不是最快速的算法(比如Ford-Fulkerson...