关于关键路径的一些个人理解

在之前的一篇文章，提到了拓扑排序的相关概念，其实拓扑排序所操作的对象类型就是AOV网。

先介绍一下AOV网和AOE网的相关概念：

AOV网，也就是顶点活动，就是前面文章所阐述的一种有向无环图。其节点代表活动，使用边来代表节点之间的序列关系；

AOE网，也就是边活动，其用边来代表具体的活动，并且用定点代表事件，其中边权代表完成活动的时间。这里要区分事件和活动这一概念。这里的事件更像是一种标志，标志到这个节点时，之前的活动都已经结束，可以进行下一个活动，就像书中所说，其代表的是一个中介状态。对于AOE网来说，所有的起始时间和最终事件都可以归为一个点。

此时，就引入关键路径的概念；

所谓关键路径，就是AOE网中最长的路径，关键路径上的活动称为关键活动，关键活动就是不允许拖延的活动。关键路径下的时长也成为最短时长。这里需要注意一点，活动的进行是多线程的，并不是单线程，所以在多线程情况下的最短时间映射的就是关键路劲，也就是图中的最长路径，这样谈这个概念才是有意义的，否则是无意义的；

所以本质上关键路径的求解就是对于有向无环图DAG中最长路径的求解方法；

由于活动时具有拖延性的，每一个活动都有最早的发生时间和最晚发生时间，其时差就可以任意安排的时间。因此对于关键路径中的关键活动，其标志性的特点就是：最早发生时间=最晚发生时间；

对该条件进行抽象，就是对于两个数组e[r]，l[r]，分别代表相应活动的最早发生时间和最晚发生时间，其中当e[i]=l[i]，就代表该活动位关键活动，也就是关键路径上的一条边；

接下来关键的就是如何对这两个数组进行求解：

在书上，求解方法是构造节点的相应数组，来进行数组e,l的求解；

由于节点作为时间，也有拖延的可能性，其也存在最早和最晚时间。所以事件的最早开始时间就是上一个活动的最早结束时间；事件的最晚开始事件就是新活动的最迟开始时间。

所以对于数组e,l，求解就转换为了对另外两个数组的求解：ve,vl；

如上图所示：

对于活动Ar来说，其最早开始时间就是事件Vi的最早开始时间，因此：e[r]=ve[i]；

活动事件Vj的最晚开始时间取决于活动Ar的最晚开始时间，也就是vl[j]=l[r]+length[r]，也就是l[r]=vl[j]-length[r]；

此时，e，l数组的求解也就变成了vl，ve数组的求解；

对于数组vl，ve，可以借助前驱节点和后继节点来进行判断；

对于ve数组，也就是最早发生数组，可以采用如下的判断方式：

如上所示，如果Vj要发生，则前驱节点必须要全部发生，并且前驱结点的发生时间也为最早发生时间。由于各个路线的权值不一样，也就是活动时长不一样，所Vj的发生时间必为Max(ve[ip]+length[rp]);

所以这种判定方式的实现也十分简单，只要使用拓扑排序就可以保证访问Vj使前面的所有节点都进行过访问；对于代码上的逻辑实现，我们每次找到一个节点之后，进行到后继节点的比较，始终让他更新后继节点的值，从而使得遍历完i前驱节点之后，j节点的值已经是Max(ve[ip]+length[rp]);

相关的判定代码如下所示：

stack<int> topOrder;//拓扑序列
bool topologicalSort(){
    queue<int>q;
    for(int i=0;i<n;i++){
        if(inDegree[i]==0){
            q.push(i);
        }
    }
    while(!q.empty()){
        int u=q.front();
        q.pop();
        topOrder.push(u)//加入拓扑序列;
        for(int i=0;i<G[u].size();i++){
            int v=G[u][i].v;
            inDegree[v]--;
            if(inDegree[v]==0){
                q.push(v);
            }
            if(ve[u]+G[u][i].w>ve[v]){
                ve[v]=ve[u]+G[u][i].w;
            }
        }
    }
    if(topOrder.size()==n)
        return true;
    else
        return false;
}

其中值得更新后继节点的就是该部分：

注意，这里G是一个二维数组，G[u]代表的是u节点，G[u]表示一个数组，都为u的后继节点；

使用上述代码就可以使得ve[j]的值由不同的ix节点遍历时，不断进行更新。当ix节点全部访问完就可以将其入队列，访问j节点；

接下来就是对vl数组进行构造和操作：

vl数组的公式推导为：l[r]=vl[j]-length[r]

由于vl数组代表的当前事件发生的最晚时间，对于该问题求解，我们可以转换为向前求解，也就是j事件的最晚事件-活动时间的最小值，就是i节点的最晚发生时间，也就是：Min{vl[jp]-length[rp]}

vl数组所对应的情况如下所示:

因此，vl数组的操作必须要先知道后继节点的值。对于该问题，我们可以使用逆拓扑推导，但是这里时根据ve数组压栈得到的逆序列，所以很容易实现；

大致代码如下所示：

fill(vl,vl+n,ve[n-1]);//使用终点的ve值
while(!topOrder.empty()){
    int u=topOrder.top();
    topOrder.pop();
    for(int i=0;i<G[u].size();i++){
        int v=G[u][i].v;
        if(vl[v]-G[u][i].w<vl[u]){
            vl[u]=vl[v]-G[u][i].w;
        }
    }
}

注意一点，先进行正拓扑排序，在进行逆拓扑排序，并且第二次使用的最后初值为ve的最终值；

当vl和ve数组求解完毕，就可以根据公式来进行e和v的求解。

注意，这里也要分清一个问题：e和v数组针对的时边，也就是活动，而ve，vl数组针对的时点，两者不同。

for(int u=0;u<n;u++){
    for(int i=0;i<G[u].size();i++){
        int v=G[u][i].v,w=G[u][i].w;
        int e=ve[u];
        l=vl[v]-w;
        if(e==l){
            //说明时关键活动，也就是关键路径
            //输出
        }
    }
}

当然，如果只需要求最长的路径长度，直接取ve数组的最大值就可以，因为ve数组的最大值代表的必定是最后一个事件发生的最早时间（也就是完成事件的最早发生时间），所以也就是最快的事件，最长路径的长度；