关键路径算法

概述

1956年，美国杜邦公司提出关键路径法，并于1957年首先用于1000万美元化工厂建设，工期比原计划缩短了4个月。杜邦公司在采用关键路径法的一年中，节省了100万美元。

在项目管理中，关键路径是指网络终端元素的元素的序列，该序列具有最长的总工期并决定了整个项目的最短完成时间。关键路径的工期决定了整个项目的工期。任何关键路径上的终端元素的延迟将直接影响项目的预期完成时间（例如在关键路径上没有浮动时间)。

AOE网

AOE网（Activity On Edge）即边表示活动的网，是与AOV网（顶点表示活动）相对应的一个概念。而拓扑排序恰恰就是在AOV网上进行的，这是拓扑排序与关键路径最直观的联系。AOE网是一个带权的有向无环图，其中顶点表示事件（Event），弧表示活动，权表示活动持续的时间。下面的就是一个AOV网：

其中$V_1,\dots ,V_9$表示事件，$a_1,a_2,\dots ,a_{11}$ 表示活动，活动的取值表示完成该活动所需要的时间，如$a_1=6$表示完成活动$a_1$所需要的时间为6天。此外，每一事件$V_i$表示在它之前的活动已经完成，在它之后的活动可以开始，如$V_5$表示活动$a_4$和$a_5$已经完成，活动$a_7$和$a_8$可以开始了。

AOE网的源点和汇点

由于一个工程中只有一个开始点和一个完成点，故将AOE网中入度为零的点称为源点，将出度为零的点称为汇点。

关键路径

由于AOE网中的有些活动是可以并行进行的（如活动$a_1$、$a_2$和$a_3$就是可以并行进行的），所以完成工程的最短时间是从源点到汇点的最长路径的长度。路径长度最长的路径就叫做关键路径（Critical Path）。如下图中红色顶点和有向边构成的就是一条关键路径，关键路径的长度就是完成活动$a_1$、$a_4$和$a_7$、$a_{10}$所需要的时间总和，即为 6+1+9+2 = 18

ETV

ETV(Earliest Time Of Vertex)：事件最早发生时间，就是顶点的最早发生时间。

事件$V_2$的最早发生时间表示从源点$V_1$出发到达顶点$V_2$经过的路径上的权值之和，从源点$V_1$出发到达顶点$V_2$只经过了权值为6的边，则$V_2$的最早发生时间为6，表示在活动$a_1$完成之后，事件$V_2$才可以开始；同理，事件$V_6$要发生（即最早发生）需要活动$a_3$和活动$a_6$完成之后才可以，故事件$V_6$的最早发生时间为 5 + 2 = 7。其他顶点（事件）的最早发生时间同理可的。需要说明，事件的最早发生时间一定是从源点到该顶点进行计算的.

LTV

LTV(Latest Time Of Vertex)：事件最晚发生时间，就是每个顶点对应的事件最晚需要开始的时间，如果超出此时间将会延误整个工期。

上图中的关键路径（$V_1$，$V_2$ ，$V_5$ ，$V_7$ ，$V_9$ ）的长度为18，为什么要提这个长度呢，因为要计算某一个事件的最晚发生时间，我们需要从汇点进行倒推。计算顶点$V_2$的最晚发生时间为例，已知关键路径的长度为18，事件$V_2$到汇点$V_9$所需要的时间为 1 + 9 + 2 = 12，则事件$V_2$的最晚发生时间为18-12 = 6.再来计算一下事件$V_6$的最晚发生时间，事件$V_6$到汇点$V_9$所需要的时间为 4 + 4 = 8，则事件$V_6$的最晚发生时间为 18 - 8 = 10；相当于说活动$a_6$完成之后，大可以休息 3天，再去完成活动$a_9$也不会影响整个工期。

ETE

ETE(Earliest Time Of Edge)：活动的最早开工时间，就是弧的最早发生时间。

活动$a_4$要最早开工时间为事件$V_2$的最早发生时间 6；同理，活动$a_9$的最早发生时间为事件$V_6$的最早发生时间 7。显然活动的最早开工时间就是活动发生前的事件的最早开始时间。

LTE

LTE(Lastest Time of Edge)：活动的最晚发生时间，就是不推迟工期的最晚开工时间。

活动的最晚发生时间则是基于事件的最晚发生时间。比如活动$a_4$的最晚发生时间为事件$V_5$的最晚发生时间减去完成活动$a_4$所需时间，即 7 - 1 = 6；活动$a_9$的最晚发生时间为事件$V_8$的最晚发生时间减去完成活动$a_4$所需时间，即 14 - 4 = 10；

从上面也就可以看出 只要知道了每一个事件（顶点）的ETV 和 LTV，就可以推断出对应的 ETE 和 LTE . 此外还需要注意，关键路径是活动的集合，而不是事件的集合，所以当我们求得 ETV 和 LTV 之后，还需要计算 ETE 和 LTE 。

算法思想

求关键路径的过程事实上最重要的就是上面提到的四个概念，ETV、LTV、ETE 和 LTE，求得了ETE与LTE之后只需要判断两者是否相等，如果相等则为关键路径中的一条边，则输出。

首先通过拓扑排序获得每一个事件的最早发生时间：源点的最早发生时间肯定为0，其他节点的ETV也初始化为0.在拓扑排序的过程中，对于每一条边都有一个起点和终点，起点的ETV加上这条边上的活动的时间如果比终点的ETV大，则更新终点的ETV。

根据事件的最早发生时间ETV推断事件的最晚发生时间 LTV：初始时将LTV的值初始化为汇点的时间，然后根据上面求出的拓扑排序逆序遍历，对于每一条边的起点和终点，如果终点的ETV-活动的时间小于起点的LTV，则更新。

计算活动的最早与最晚发生时间：从源点$V_1$开始，遍历源点的邻接顶点$V_2$, 将弧 <$V_1$,$V_2$> 上的活动$a_1$的最早发生时间更新为源点$V_1$的最早发生时间 0，将活动$a_1$的最晚发生时间更新为事件$V_2$的最晚发生时间 6 减去活动$a_1$所需要的时间6，即为0. 判断活动$a_1$的最早发生时间与最晚发生时间是否相等，如果相等则为关键活动，并输出。同理遍历源点 的邻接顶点$V_3$和$V_4$，并更新弧$a_2$和$a_3$的最晚发生时间与最早发生时间。后续节点的遍历同理。

代码实现

输入格式：

第一行两个整数numVertexes，numEdges分别表示节点数和边数

接下来numEdges行每行三个整数x，y，z，表示从节点x到节点有一条边，该边上的活动所需时间为z

说明：节点编号从1开始

输出格式：

从源点开始每行以<a,b> c格式输出，表示关键路径中的一段从a到b，该段时间为c

样例输入：

9 11
1 2 6
1 3 4
1 4 5
2 5 1
3 5 1
4 6 2
5 7 9
5 8 7
6 8 4
7 9 2
8 9 4

样例输出：

<1,2> 6
<2,5> 1
<5,8> 7
<5,7> 9
<7,9> 2
<8,9> 4

C++实现：

#include <iostream>
#include <stack>
#include <cstring>
#include <vector>

using namespace std;

//边表节点的声明
struct EdgeNode
{
    int adjvex; //用于保存该边的终点
    int time;   //这条边上的活动所需时间
    EdgeNode *next;
};

//顶点表节点的声明
struct VertexNode
{
    int indegree;        //节点入度
    int data;            //数据
    EdgeNode *firstEdge; //从该顶点出去的所有边中的第一条
};

const int MAX = 10001;
int numVertexes, numEdges; //顶点数，边数
int etv[MAX], ltv[MAX];    //事件最早发生时间，事件最晚发生时间
VertexNode graph[MAX];     //用于存图

/**
 * @brief 如果拓扑排序存在，返回true并将拓扑保存在topo中，否则返回false
 *
 * @param topo
 * @return true
 * @return false
 */
bool TopologicalSort(vector<int> &topo)
{
    memset(etv, 0, sizeof(etv));
    stack<int> stack;
    for (int i = 0; i < numVertexes; i++)
    {
        if (graph[i].indegree == 0)
            stack.push(i); //将入度为0的顶点下标入栈
    }
    while (!stack.empty())
    {
        int top = stack.top(); //获取栈顶节点编号
        stack.pop();           //出栈
        topo.push_back(top);   //保存拓扑排序结果
        //遍历该节点所有连边
        for (EdgeNode *e = graph[top].firstEdge; e; e = e->next)
        {
            int end = e->adjvex;   //该边终点
            graph[end].indegree--; //入度减一
            if (graph[end].indegree == 0)
                stack.push(end);
            if (etv[top] + e->time > etv[end]) //更新etv
                etv[end] = etv[top] + e->time;
        }
    }
    if (topo.size() < numVertexes) //如果保存的拓扑序列长度小于节点数，说明存在环
        return false;
    else
        return true;
}

void CriticalPath()
{
    vector<int> topo;
    TopologicalSort(topo);
    //初始化ltv都为汇点的时间
    for (int i = 1; i <= numVertexes; i++)
        ltv[i] = etv[numVertexes];
    //从汇点倒过来逐个计算ltv
    for (int i = topo.size() - 1; i >= 0; i--)
    {
        int pre = topo[i];
        for (EdgeNode *e = graph[pre].firstEdge; e; e = e->next)
        {
            int end = e->adjvex; //该边终点
            if (ltv[end] - e->time < ltv[pre])
                ltv[pre] = ltv[end] - e->time;
        }
    }
    //通过etv和ltv求ete和lte
    for (int i = 1; i <= numVertexes; i++)
    {
        for (EdgeNode *e = graph[i].firstEdge; e; e = e->next)
        {
            int end = e->adjvex;
            int ete = etv[i];
            int lte = ltv[end] - e->time;
            if (ete == lte)
                cout << "<" << i << "," << end << ">"
                     << " " << e->time << endl;
        }
    }
}

int main()
{
    cin >> numVertexes >> numEdges;
    for (int i = 0; i < numEdges; i++)
    {
        int x, y, z;
        cin >> x >> y >> z;
        graph[y].indegree++;
        EdgeNode *e = new EdgeNode;
        e->adjvex = y;
        e->time = z;
        e->next = graph[x].firstEdge;
        graph[x].firstEdge = e;
    }
    CriticalPath();
    return 0;
}