1. 图的定义
图(Graph)是由定点的有穷非空集合和定点之间边的集合组成,通常表示为G(V, E),其中,G表示一个图,V是图G中顶点的集合,E是图G中边的集合。
- 线性表中我们把数据元素叫元素,树中将数据元素叫结点,在图中数据元素,我们则称之为顶点(Vertex)。
- 线性表中可以没有数据元素,称为空表。树中可以没有结点,叫做空树。在图结构中,不允许没有顶点。
- 图中,任意两个顶点之间都有可能有关系,顶点之间的逻辑关系用边来表示。
1.1 各种图的定义
无向边:若顶点
vi
v
i
到
vj
v
j
之间的边没有方向,则称这条边为无向边(Edge),用无序偶对
(vi,vj)
(
v
i
,
v
j
)
来表示。
如果图中任意两个顶点之间的边都是无向边,则称该图为无向图(Undirected graphs)。
如上图,
G1=(V1,{E1})
G
1
=
(
V
1
,
{
E
1
}
)
,其中顶点集合
V1={A,B,C,D}
V
1
=
{
A
,
B
,
C
,
D
}
;边集合
E1={(A,B),(B,C),(C,D),(D,A),(A,C)}
E
1
=
{
(
A
,
B
)
,
(
B
,
C
)
,
(
C
,
D
)
,
(
D
,
A
)
,
(
A
,
C
)
}
有向边:若从顶点
vi
v
i
到
vj
v
j
的边有方向,则称这条边为有向边,也称为弧(Arc)。用有序偶
<vi,vj>
<
v
i
,
v
j
>
<script type="math/tex" id="MathJax-Element-27">
</script>来表示,
vi
v
i
称为
弧尾(Tail),
vj
v
j
称为
弧头(Head)。
如果图中任意两个顶点之间的边都是有向边,则称该图为
有向图(Directed graphs)。
如上图,
G2=(V2,{E2})
G
2
=
(
V
2
,
{
E
2
}
)
),其中顶点集合
V2={A,B,C,D}
V
2
=
{
A
,
B
,
C
,
D
}
;弧集合
E2={<A,D>,<B,A>,<C,A>,<B,C>}
E
2
=
{
<
A
,
D
>
,
<
B
,
A
>
,
<
C
,
A
>
,
<
B
,
C
>
}
。
在图中,若不存在顶点到其自身的边,切同一条边不重复出现,则称这样的图为
简单图。
在无向图中,如果任意两个顶点之间都存在边,则称该图为
无向完全图。
在有向图中, 如果任意两个顶点之间都存在方向互为相反的两条弧,则称该图为
有向完全图。
有很少条边或弧的图称为
稀疏图。反之称为
稠密图。
有些图的边或弧具有与它相关的数字,这种与图的边或弧相关的数叫做
权(Weight)。带权的图通常称为
网(Network)。
假设有两个图
G=(V,{E})
G
=
(
V
,
{
E
}
)
和
G′=(V′,{E′})
G
′
=
(
V
′
,
{
E
′
}
)
,如果
V′⊆V
V
′
⊆
V
且
E′⊆E
E
′
⊆
E
,则称G’为G的
子图(Subgraph)。
1.2 图的顶点与边间关系
对于无向图
G=(V,{E})
G
=
(
V
,
{
E
}
)
,如果边
(v,v′)∈E
(
v
,
v
′
)
∈
E
,则称顶点v和v’互为邻接点(Adjacent),即v和v’相邻接。边(v, v’)依附(incident)于顶点v和v’,或者说
(v,v′)
(
v
,
v
′
)
与顶点v和v’相关联。顶点v的度(Degree)是和v相关联的边的数目,记为TD(v)。
对于有向图
G=(V,{E})
G
=
(
V
,
{
E
}
)
,如果弧
<v,v′>∈E
<
v
,
v
′
>∈
E
<script type="math/tex" id="MathJax-Element-41">
\in E</script>,则称顶点v邻接到顶点v’,顶点v’邻接自顶点v。弧
<v,v′>
<
v
,
v
′
>
<script type="math/tex" id="MathJax-Element-42">
</script>和顶点v,v’相关联。以顶点v为头的弧的数目称为v的
入度(InDegree),记为ID(v);以v为尾的弧的数目称为v的
出度(OutDegree),记为OD(v);
无向图
G=(V,{E})
G
=
(
V
,
{
E
}
)
中从顶点v到顶点v’的
路径(Path)是一个顶点序列(
v=vi,0,vi,1,...,vi,m=v′
v
=
v
i
,
0
,
v
i
,
1
,
.
.
.
,
v
i
,
m
=
v
′
),其中
(vi,j−1)∈E,1<=j<=m。
(
v
i
,
j
−
1
)
∈
E
,
1
<=
j
<=
m
。
如果G是有向图,则路径也是有向的,顶点序列应满足
<vi,j−1,vi,j>∈E,1<=j<=m
<
v
i
,
j
−
1
,
v
i
,
j
>∈
E
,
1
<=
j
<=
m
<script type="math/tex" id="MathJax-Element-46">
\in E, 1 <= j <= m</script>。
路径的长度是路径上的边或弧的数目。
第一个顶点到最后一个顶点相同的路径称为
回路或环(Cycle)。序列中顶点不重复出现的路径称为
简单路径。除了第一个顶点和最后一个顶点之外,其余顶点不重复出现的回路,称为
简单回路或简单环。
1.2 连通图相关术语
在无向图G中,如果从顶点v到顶点v’有路径,则称v和v’是连通的。如果对于图中任意两个顶点
vi、vj∈E,vi
v
i
、
v
j
∈
E
,
v
i
和
vj
v
j
都是连通的,则称G是连通图(Connected Graph)。
无向图中的极大连通子图称为连通分量。注意连通分量的概念,它强调:
- 要是子图
- 子图要是连通的
- 连通子图含有极大顶点数
- 具有极大顶点数的连通子图包含依附于这些顶点的所有边
在有向图G中,如果对于每一对
vi、vj∈V、vi!=vj
v
i
、
v
j
∈
V
、
v
i
!
=
v
j
,从
vi
v
i
到
vj
v
j
和从
vj
v
j
到
vi
v
i
都存在路径,则称G是强连通图。有向图中的极大强两桶子图称作有向图的强连通分量。
1.3 图的定义与术语总结
图按照有无方向分为无向图和有向图。无向图由顶点和边构成,有向图由顶点和弧构成。弧有弧尾和弧头之分。
图按照边或弧的多少分稀疏图和稠密图。如果任意两个顶点之间都存在边叫完全图,有向的叫有向完全图。若无重复的边或顶点到自身的边则叫简单图。
图中顶点之间有邻接点、依附的概念。无向图顶点的变数叫做度,有向图顶点分为入度和出度。
图上的边或弧上带权则称为网。
图中顶点间存在路径,两顶点存在路径则说明是连通的,如果路径最终回到起始点则称为环,当中不重复叫简单路径。若任意两顶点都是连通的,则图就是连通图,有向则称强连通图。图中有子图,若子图极大连通则就是连通分量,有向的则称强连通分量。
无向图中连通且n个顶点n - 1条边叫生成树。有向图中一顶点入度为0其余顶点入度为1的叫有向树。一个有向图由若干棵有向树构成生成森林。
2. 图的抽象数据类型
ADT 图(Graph)
Data
顶点的有穷非空集合和边的集合。
Operation
CreateGraph(*G, V, VR):按照顶点集V和边弧集VR的定义构造图G
DestroyGraph(*G):图G存在则销毁
LocateVex(G, u):若图G中存在顶点u,则返回图中的位置
GetVex(G, v):返回图G中顶点v的值
PutVex(G, v, value):将图G中顶点v赋值value
FirstAdjVex(G, *v):返回顶点v的一个邻接顶点,若顶点在G中无邻接顶点返回空。
NextAdjVex(G, v, *w):返回顶点v相对于顶点w的下一个邻接顶点,若w是v的最后一个邻接点则返回空
InsertVex(*G, v):在图G中增添新顶点v
DeleteVex(*G, v):删除图G中顶点v及其相关的弧
InsertArc(*G, v, w):在图G中增添弧<v, w>,若G是无向图,还需要增添对称呼<w, v>
DeleteArc(*G, v, w):在图G中删除弧<v, w>,若G是无向图,则还删除对称弧<w, v>
DFSTraverse(G):对图G中进行深度优先遍历,在遍历过程对每个顶点调用
HFSTraverse(G):对图G中进行广度优先遍历,在遍历过程对每个顶点调用
endADT
3. 图的存储结构
3.1 邻接矩阵
图的邻接矩阵(Adjacency Matrix)存储方式是用两个数组来表示图。一个一维数组存储图中顶点信息,一个二维数组(称为邻接矩阵)存储图中的边或弧的信息。
带权图
那么邻接矩阵是如何实现图的创建的饿呢?我们先来看看图的邻接矩阵存储的结构,代码如下:
typedef char VertexType; /* 顶点类型应由用户定义 */
typedef int EdgeType; /* 边上的权值类型应由用户定义 */
#define MAXVEX 100 /* 最大顶点数,应由用户定义 */
#define INFINITY 65535 /* 用65535代表正无穷 */
typedef struct {
VertexType vexs[MAXVEX];
EdgeType arc[MAXVEX][MAXVEX];
int numVertexes, numEdges;
}MGraph;
有了这个结构定义,我们构造一个图,其实就是给顶点表和边表输入数据的过程。
/* 建立无向网图的邻接矩阵表示 */
void CreateMGraph(MGraph *G) {
int i, j, k, w;
printf("输入顶点数和边数:\n");
scanf("%d, %d", &G->numVertexes, &G->numEdges);
for(i = 0; i < G->numVertexes; i++)
scanf(&G->vexs[i]);
for(i = 0; i < G->numVertexes; i++)
for(j = 0; j < G->numVertexes; j++)
G->arc[i][j] = INFINITY;
for(k = 0; k < G->numEdges; k++) {
printf("输入边(vi, vj)上的下标i,下标j和权w:\n");
scanf("%d, %d, %d", &i, &j, &w);
G->arc[i][j] = w;
G->arc[j][i] = G->arc[i][j];
}
}
3.2 邻接表
数组与链表相结合的存储方法称为邻接表(Adjacency List)。
邻接表的处理办法:
1. 图中顶点用一个一维数组存储
2. 图中每个顶点
vi
v
i
的所有邻接点构成一个线性表,由于邻接点的个数不定,所以用单链表存储
对于带权值的网图,可以在边表结点定义中再增加一个weight的数据域,存储权值信息即可。
结点定义代码:
typedef char VertexType; /* 顶点类型应由用户定义 */
typedef int EdgeType; /* 边上的权值类型应由用户定义 */
typedef struct EdgeNode { /* 边表结点 */
int adjvex; /* 邻接点域,存储该顶点对应的下标 */
EdgeType weight; /* 用于存储权值,对于非网图可以不需要 */
struct EdgeNode *next; /* 链域,指向下一个邻接点 */
}EdgeNode;
typedef struct VertexNode { /* 顶点表结点 */
VertexType data; /* 顶点域,存储顶点信息 */
EdgeNode *fristedge; /* 边表头指针 */
}VertexNode, AdjList[MAXVEX];
typedef struct {
AdjList adjList;
int numVertexes, numEdges; /* 图中当前顶点数和边数 */
}GraphAdjList;
无向图的邻接表创建代码如下:
/* 建立图的邻接表结构 */
void CreateALGraph(GraphAdjList *G) {
int i, j, k;
EdgeNode *e;
printf("输入顶点数和边数:\n");
scanf("%d, %d", &G->numVertexes, &G->numEdges); /* 输入顶点数和边数 */
for(i = 0; i < G->numVertexes; i++) { /* 读入顶点信息,建立顶点表 */
scanf(&G->adjList[i].data); /* 输入顶点信息 */
G->adjList[i].firstedge = NULL; /* 将边表置为空表 */
}
for(k = 0; k < G->numEdges; k++) { /* 建立边表 */
printf("输入边(vi, vj)上的顶点序号:\n");
scanf("%d, %d", &i, &j); /* 输入边(vi, vj)上的顶点序号 */
e = (EdgeNode *)malloc(sizeof(EdgeNode));
e->adjvex = j; /* 邻接序号为j */
e->next = G->adjList[i].firstedge; /* 将e指针指向当前顶点指向的结点 */
G->adjList[i].firstedge = e; /* 将当前顶点的指针指向e */
e = (EdgeNode *)malloc(sizeof(EdgeNode));
e->adjvex = i; /* 邻接序号为i */
e->next = G->adjList[j].firstedge; /* 将e指针指向当前顶点指向的结点 */
G->adjList[j].firstedge = e; /* 将当前顶点的指针指向e */
}
}
3.3 十字链表
把邻接表与逆邻接表结合起来,就是十字链表(Orthogonal List)。
3.4 邻接多重表
其中ivex和jvex是与某条边依附的两个顶点在顶点表中小标。ilink指向依附顶点ivex的下一条边,jlink指向依附顶点jvex的下一条边。这就是邻接多重表结构。
3.5 边集数组
边集数组是由两个一维数组构成。一个是存储顶点的信息;另一个是存储边的信息,这个边数组每个数据元素由一条边的起点下标(begin)、终点下标(end)和权(weight)组成。
4. 图的遍历
从图中某一顶点触发访遍图中其余顶点,且使每一个顶点仅被访问一次,这一过程就叫做图的遍历(Traversing Graph)。
4.1 深度优先遍历
深度优先遍历(Depth_First_Search),有时称为深度优先搜索,简称为DFS。
typedef int Boolean;
bBoolean visited[MAX];
/* 邻接矩阵的深度优先递归算法 */
void DFS(MGraph G, int i) {
int j;
visited[i] = TRUE;
printf("%c", G.vexs[i]); /* 打印顶点 */
for(j = 0; j < G.numVertexes; j++)
if(G.arc[i][j] == 1 && !visited[j])
DFS(G, j);
}
/* 邻接矩阵的深度遍历操作 */
void DFSTraverse(MGraph G) {
int i;
for(i = 0; i< G.numVertexes; i++)
visited][i] = FALSE;
for(i = 0; i < G.numVertexes; i++)
DFS(G, i);
}
/* 邻接表的深度优先递归算法 */
void DFS(GraphAdjList GL, int i) {
EdgeNode *p;
visited[i] = TRUE;
printf("%c", GL->adjList[i].data);
p = GL->adjList[i].firstedge;
while(p) {
if(!visited[p->adjvex])
DFS(GL, p->adjvex);
p = p->next;
}
}
/* 邻接表的深度遍历操作 */
void DFSTraverse(GraphAdjList GL) {
int i;
for(i = 0; i < GL->numVertexes; i++)
visited[i] = FALSE;
for(i = 0; i < GL->numVertexes; i++)
if(!visited[i]
DFS(GL, i);
}
4.2 广度优先遍历
广度优先遍历(Breadth_First_Search),又称为广度优先搜索,简称BFS。
/* 邻接矩阵的广度遍历算法 */
void BFSTraverse(MGraph G) {
int i, j;
Queue Q;
for(i = 0; i < G.numVertexes; i++)
visited[i] = FALSE;
InitQueue(&Q);
for(i = 0; i < G.numVertexes; i++) {
if(!visited[i]) {
visited[i] = TRUE;
printf("%c", G.vexs[i]);
EnQueue(&Q, i);
while(!QueueEmpty(Q)) {
DeQueue(&q, &i);
for(j = 0; j < G.numVertexes; j++) {
if(G.arc[i][j] == 1 && !visited[j]) {
visited[j] = TRUE;
printf("%c", G.vexs[j]);
EnQueue(&Q, j);
}
}
}
}
}
}
/* 邻接表的广度遍历算法 */
void BFSTraverse(GraphAdjList GL) {
int i;
EdgeNode *p;
Queue Q;
for(i = 0; i < GL->numVertexes; i++)
visited[i] = FALSE;
InitQueue(&Q);
for(i = 0; i < GL->numVertexes; i++) {
if(!visited[i]) {
visited[i] = TRUE;
printf("%c", GL->adjList[i].data);
EnQueue(&Q, i);
while(!QueueEmpty(Q)) {
DeQueue(&Q, &i);
p = GL->adjList[i].firstedge;
while(p) {
if(!visited[p->adjvex]) {
visited[p->adjvex] = TRUE;
printf("%c", GL->adjList[p->adjvex].data);
EnQueue(&Q, p->adjvex);
}
p = p->next;
}
}
}
}
}
5. 最小生成树
我们把构造连通网的最小代价生成树称为最小生成树(Minimum Cost Spanning Tree)。
5.1 普里姆(Prim)算法
/* Prim算法生成最小生成树 */
void MiniSpanTree_Prim(MGraph G) {
int min, i, j, k;
int adjvex[MAXVEX]; /* 保存相关顶点下标 */
int lowcost[MAXVEX]; /* 保存相关顶点间边的权值 */
lowcost[0] = 0;
adjvex[0] = 0;
for(i = 1; i < G.numVertexes; i++) {
lowcost[i] = G.arc[0][i];
adjvex[i] = 0;
}
for(i = 1; i < G.numVertexes; i++) {
min = INFINITY;
j = 1; k = 0;
while(j < G.numVertexes) {
if(lowcost[j] != 0 && lowcost[j] < min) {
min = lowcost[j];
k = j;
}
j++;
}
}
printf("(%d, %d)", adjvex[k], k);
lowcost[k] = 0; /* 将当前顶点的权值设置为0,表示此顶点已经完成任务 */
for(j = 1; j < G.numVertexes; j++) {
if(lowcost[j] != 0 && G.arc[k][j] < lowcost[j]) {
lowcost[j] = G.arc[k][j];
adjvex[j] = k;
}
}
}
5.2 克鲁斯卡尔(Kruskal)算法
/* Kruskal算法生成最小生成树 */
void MiniSpanTree_Kruskal(MGraph G) {
int i, n,, m;
Edge edges[MAXEDTGE]; /* 定义边集数组 */
int parent[MAXVUEX]; /* 定义一数组用来判断边与边是否形成环路 */
for(i = 0; i < G.numVertexes; i++)
parent[i] = 0;
for(i = 0; i< G.numEdges; i++) {
n = Find(parent, edges[i].begin);
m = Find(parent, edges[i].end);
if(n != m) {
parent[n] = m; /* 将此边的结尾顶点放入下标为起点的parent中 */
printf("(%d, %d) %d", edges[i].begin, edges[i].end, edges[i].weight);
}
}
}
/* 查找连线顶点的尾部下标 */
int Find(int *parent, int f) {
while(parent[f] > 0)
f = parent[f];
return f;
}
6. 最短路径
最短路径,是指两顶点之间经过的边上权值只和最少的路径,并且我们称路径上的第一个顶点是源点,最后一个顶点是终点。
6.1 迪杰斯特拉(Dijkstra)算法
#define MAXVEX 9
#define INFINITY 65535
typedef int Pathmatrix[MAXVEX]; /* 用于存储最短路径下标的数组 */
typedef int ShortPathTable[MAXVEX]; /* 用于存储到各点最短路径的权值和 */
/* Dijkstra算法,求有向网G的v0顶点到其余顶点v最短按路径P[v]及带权长度D[v] P[v]的值为前驱顶点下标,D[v]表示v0到v的最短路径长度和*/
void ShortestPath_Dijkstra(MGraph G, int v0, Pathmatrix *P, ShortPathTable *D) {
int v, w, k, min;
int final[MAXVEX];
for(v = 0; v < G.numVertexes; v++) {
final[v] = 0;
(*D)[v] = G.matrix[v0][v];
(*P)[v] = 0;
}
(*D)[v0] = 0;
final[v0] = 1;
for(v = 1; v < G.numVertexes; v++) {
min = INFINITY;
for(w = 0; w < G.numVertexes; w++) {
if(!final[w] && (*D)[w] < min) {
k = w;
min = (*D)[w];
}
}
final[k] = 1;
for(w = 0; w < G.numVertexes; w++) {
if(!final[w] && (min + G.matrix[k][w] < (*D)[w]) {
(*D)[w] = min + G.matrixp[k][w];
(*P)[w] = k;
}
}
}
}
6.2 弗洛伊德(Floyd)算法
typedef int Pathmatrix[MAXVEX][MAXVEX];
typedef int ShortPathTable[MAXVEX][MAXVEX];
/* Floyd算法,求网图G中各顶点v到其余顶点w最短路径P[v][w]即带权长度D[v][w] */
void ShortestPath_Floyd(MGraph G, Pathmatrix *P, ShortPathTable *D) {
int v, w, k;
for(v = 0; v < G.numVertexes; ++v) { /* 初始化D与P */
for(w = 0; w < G.numVertexes; ++w) {
(*D)[v][w] = G.matrix[v][w]; /* D[v][w]值即为对应点间的权值 */
(*P)[v][w] = w;
}
}
for(k = 0; k < G.numVertexes; ++k) {
for(v = 0; v < G.numVertexes; ++v) {
for(w = 0; w < G.numVertexes; ++w) {
if((*D)[v][w] > (*D)[v][k] + (*D)[k][w]) {
/* 如果经过下标为k顶点路径比原两点间路径更短 */
/* 将当前两点间权值设为更小的一个 */
(*D)[v][w] = (*D)[v][k] + (*D)[k][w];
(*P)[v][w] = (*P)[v][k];
}
}
}
}
}
7. 拓扑排序
7.1 拓扑排序介绍
在一个表示工程的有向图中,用顶点表示活动,用弧表示活动之间的有限关系,这样的有向图为顶点表示活动的网,我们称为AOV网(Activity On Vertex Network)。
设G=(V, E)是一个具有n个顶点的有向图,V中的顶点序列
V1,V2,......,Vn
V
1
,
V
2
,
.
.
.
.
.
.
,
V
n
满足若从顶点
vi
v
i
到
vj
v
j
有一条路径,则在顶点序列中顶点
vi
v
i
必在顶点
vj
v
j
之前。则我们称这样的顶点序列为一个拓扑序列。
拓扑排序,就是对一个有向图构造拓扑序列的过程。
7.2 拓扑排序算法
基本思路:从AOV网中选择一个入度为0的顶点输出,然后删去此顶点,并删除以此顶点为尾的弧,继续重复此步骤,直到输出全部顶点,或者AOV网中不存在入度为0的顶点为止。
typedef struct EdgeNode { /* 边表结点 */
int adjvex; /* 邻接点域,存储该顶点对应的下标 */
int weight; /* 用于存储权值,对于非网图可以不需要 */
struct EdgeNode *next; /* 链域,指向下一个邻接点 */
}EdgeNode;
typedef struct VertexNode { /* 顶点表结点 */
int in; /* 顶点入度 */
int data; /* 顶点域,存储顶点信息 */
EdgeNode *firstedge; /* 边表头指针 */
}VertexNode, AdjList[MAXVEX];
typedef struct {
AdjList adjList;
int numVertexes, numEdges; /* 图中当前顶点数和边数 */
}graphAdjList, *GraphAdjList;
Status TopologicalSort(GraphAdjList GL) {
EdgeNode *e;
int i, k, gettop;
int top = 0; /* 用于栈指针下标 */
int count = 0; /* 用于统计输出顶点的个数 */
int *stack; /* 建栈存储入度为0的顶点 */
stack = (int *)malloc(GL->numVertexes * sizeof(int));
for(i = 0; i < GL->numVertexes; i++)
if(GL->adjList[i].in == 0)
stack[++top] = i; /* 将入度为0的顶点入栈 */
while(top != 0) {
gettop = stack[top--]; /* 出栈 */
printf("%d -> ", GL->adjList[gettop].data); /* 打印此结点 */
count++; /* 统计输出顶点数 */
for(e = GL->adjList[gettop].firstedge; e; e = e->next) { /* 遍历顶点弧表 */
k = e->adjvex;
if(!(--GL->adjList[k].in)) /* 将k号顶点邻接点的入度减1 */
stack[++top] = k; /* 若为0则入栈,以便于下次循环输出 */
}
}
if(count < GL->numVertexes) /* 如果count小于顶点数,说明存在环 */
return ERROR;
else
return OK;
}
8. 关键路径
在一个表示工程的带权有向图中,用顶点表示事件,用有向边表示活动,用边上的权值表示活动的持续时间,这种有向图表示活动的网,我们称之为AOE网(Activity On Edge Network)。
路径上各个活动所持续的时间之和称为路径长度,从源点到汇点具有最大长度的路径叫关键路径,在关键路径上的活动叫关键活动。
8.1 关键路径算法原理
- 事件的最早发生时间etv(earliest time of vertex):即顶点 Vk V k 的最早发生时间
- 事件的最晚发生时间ltv(latest time of vertex):即顶点 Vk V k 的最晚发生时间,也就是每个顶点对应的事件最晚需要开始的时间,超出此时间将会延误整个工期
- 活动的最早开工时间ete(earliest time of edge):即弧 ak a k 的最早发生时间
- 活动的最晚开工时间lte(lastest time of edge):即弧 ak a k 的最晚发生时间,也就是不退出工期的最晚开工时间
8.2 关键路径算法
int *etv, *ltv; /* 事件最早发生时间和最迟发生时间数组 */
int *stack2; /* 用于存储拓扑序列的栈 */
int top2; /* 用于stack2的指针 */
/* 拓扑排序,用于关键路径计算 */
Status TopologicalSort(GraphAdjList GL) {
EdgeNode *e;
int i, k, gettop;
int top = 0; /* 用于栈指针下标 */
int count = 0; /* 用于统计输出顶点的个数 */
int *stack; /* 建栈将入度为0的顶点入栈 */
stack = (int *)malloc(GL->numVertexes * sizeof(int));
for(i = 0; i < GL->numVertexes; i++)
if(0 == GL->adjList[i].in)
stack[++top] = i;
top2 = 0;
etv = (int *)malloc(GL->numVertexes * sizeof(int)); /* 事件最早发生时间 */
for(i = 0; i< GL->numVertexes; i++)
etv[i] = 0; /* 初始化为0 */
stack2 = (int *)malloc(GL->numVertexes * sizeof(int));
while(top != 0) {
gettop = stack[top--];
count++;
stack2[++top2] = gettop; /* 将弹出的顶点序号压入拓扑序列的栈 */
for(e = GL->adjList[gettop].firstedge; e; e = e->next) {
k = e->adjvex;
if(!(--GL->adjList[k].in))
stack[++top] = k;
if((etv[gettop] + e->weight) > etv[k]) /* 求各顶点事件最早发生时间值 */
etv[k] = etv[gettop] + e->weight;
}
}
if(count < GL->numVertexes)
return ERROR;
else
return OK;
}
/* 求关键路径,GL为有向网,输出GL的各项关键活动 */
void CriticalPath(GraphAdjList GL) {
EdgeNode *e;
int i, gettop, k, j;
let ete, lte;
TopologicalSort(GL);
ltv = (int *)malloc(GL->numVertexes * sizeof(int));
for(i = 0; i < GL->numVertexes; i++)
ltv[i] = etv[GL->numVertexes - 1];
while(top2 != 0) {
gettop = stack2[top2--];
for(e = GL->adjList[gettop].firstedge; e; e = e->next) {
k = e->adjvex;
if(ltv[k] - e->weight < ltv[gettop])
ltv[gettop] = ltv[k] - e->weight;
}
}
for(j = 0; j < GL->numVertexes; j++) {
for(e = GL->adjList[j].firstedge; e; e=e->next) {
k = e->adjvex;
ete = etv[j];
lte = ltv[k] - e->weight;
if(ete == lte)
printf("<v%d, v%d> length : $d", GL->adjList[j].data, GL->adjList[k].data, e->weight);
}
}
}