图相关文章:
1. 图的建立 - 邻接矩阵与邻接表
2. 图的遍历 - DFS与BFS
3. 顶点度的计算
4. 最小生成树 - Prim与Kruskal
5. 单源最短路径 - Dijkstra与Bellman-Ford
6. 多源最短路径 - Floyd
7. 拓扑排序AOV网
一、相关概念
1.1 AOV网
DAG图(Directed Acyclic Graph)是有向无环图的缩写。边上带有权值的DAG图,我们也称之为网。有时候我们使用顶点、边来代表一些活动和事件。
给出AOV网的定义:
AOV网(Activity on Vertex):
一个较大的工程往往被划分成许多子工程,我们把这些子工程称作活动(activity)。在整个工程中,有些子工程(活动)必须在其它有关子工程完成之后才能开始,但有些子工程没有先决条件,可以安排在任何时间开始。
为了形象地反映出整个工程中各个子工程(活动)之间的先后关系,可用一个有向图来表示,图中的顶点代表活动(子工程),图中的有向边代表活动的先后关系。即有向边的起点的活动是终点活动的前序活动,只有当起点活动完成之后,其终点活动才能进行。
通常,我们把这种顶点表示活动、边表示活动间先后关系的有向图称做顶点活动网(Activity On Vertex network),简称AOV网。
1.2 拓扑排序
拓扑排序:
在AOV网中,若不存在回路,则所有活动可排列成一个线性序列,使得每个活动的所有前驱活动都排在该活动的前面,我们把此序列叫做拓扑序列(Topological order);由AOV网构造拓扑序列的过程叫做拓扑排序(Topological sort)。
AOV网的拓扑序列不是唯一的,满足上述定义的任一线性序列都称作它的拓扑序列。
此外,还有一个概念叫做逆拓扑排序,当弄懂拓扑排序后我们一句话便可以说清楚。
二、实现
2.1 拓扑排序
拓扑排序的实现十分简单,具体为以下步骤:
拓扑排序步骤:
- 找出当前图中入度为0的顶点,输出;
- 删除此顶点和与其相连的所有边;
- 重复1~2,直至所有顶点输出完毕。
我们以一个实例来说明:
给定一个有向图:
①首先,图中入度为0的顶点有
a
a
a,访问并删除:序列为a
,得到下图:
②此时入度为0的顶点有
b
,
e
b, e
b,e,我们任选一个,比如
e
e
e,访问并删除,序列为a, e
,得到下图:
③此时入度为0的顶点有
b
b
b,访问并删除,序列为a, e, b
,得到下图:
④此时入度为0的顶点有
c
c
c,访问并删除,序列为a, e, b, c
,得到下图:
⑤此时入度为0的顶点有
d
d
d,访问并删除,序列为a, e, b, c, d
。发现所有顶点都已经处理完毕,最后a, e, b, c, d
便是我们得到的一个拓扑序列。
显然,拓扑序列并不唯一,a, b, e, c, d
, a, b, c, e, d
都是该图的拓扑序列。
2.2 逆拓扑排序
而逆拓扑排序是怎么一回事呢?
其实就是把入度为0改为出度为0,操作与拓扑排序完全一致。比如d, c, b, e, a
是该图的一个逆拓扑序列。
2.3 关于代码
关于代码,读者可以自行实现。
注意,可以采用一个数组来记录当前各个顶点的度,而不是真的在图中把某个顶点删除。当删除掉一个顶点时,遍历它的所有邻接顶点,将他们的度在数组中 − 1 -1 −1即可。
而逆拓扑排序只需要将每次输出顶点换成压入栈中,当所有结点遍历完毕,逐个出栈即可。