专题复习三(9.4):关键路径
所谓的关键路径其实就是DAG(有向无环图)的最长路径,使用动态规划解决比较简洁易懂。
1 求整个DAG中的最长路径
也即不固定起点和终点,这里使用动态规划解决,用dp[i]表示从节点i出发能得到的最长路径,则递推式为dp[i] = max(dp[i], DP(j) + length(i->j)),边界条件为出度为0的节点的dp[i]一定为0。可以看到需要使用逆拓扑排序,但是使用递归的话就可以不需要单独求逆拓扑序列,代码如下:
int dp[MAXV] = {0}; //dp数组初始化为0
int DP(int i){
if(dp[i] > 0) return dp[i];
for(int j=0; j<n; j++){
if(G[i][j] != INF){
dp[i] = max(dp[i], DP[j] + G[i][j]);
}
}
return dp[i];
}
如果我们还需要得到具体的最长路径,就参考我们在Dijkstra算法中所做的那样,设置一个choice数组来表示当前节点的下一个是什么,如果最终可能有多条最长路径,那么choice的元素设置为vector即可,代码如下:
int choice[MAXV] = {-1};
int dp[MAXV] = {0}; //dp数组初始化为0
int DP(int i){
if(dp[i] > 0) return dp[i];
for(int j=0; j<n; j++){
if(G[i][j] != INF){
int temp = DP[j] + G[i][j];
if(dp[i] < temp){
dp[i] = temp;
choice[i] = j;
}
}
}
return dp[i];
}
void PrintPath(int i){
cout << i;
while(choice[i] != -1){
i = choice[i];
cout << "->" << i;
}
}
int main(){
fill(choice, choice + MAXV, -1); //choice数组初始化为-1
for(int i=0; i<n; i++){
if(dp[i] == 0){
DP(i);
}
}
int MAX = -1, maxIdx = -1;
for(int i=0; i<n; i++){
if(dp[i] > MAX){
MAX = dp[i];
maxIdx = i;
}
}
PrintPath(maxIdx);
}
2 求整个图中终点为T的最长路径
虽然固定了终点,但dp的思路不变,这里设置dp[i]为从i出发到达T的最长路径,因为有些节点到不了T,初始化dp数组的值为-INF,dp[T] = 0,注意设置vis数组来标识该下标的dp值是否已经求出,因为在这里dp值的正负不再能够表明其是否已经求出,代码如下:
const int INF = 1000000000;
int dp[MAXV];
bool vis[MAXV] = {0};
int DP(int i){
if(vis[i]) return dp[i];
vis[i] = 1;
for(int j=0; j<n; j++){
if(G[i][j] != INF){
dp[i] = max(dp[i], DP[j] + G[i][j]);
}
}
return dp[i];
}
int main(){
fill(dp, dp+MAXV, -INF); //dp数组初始化为-INF,表示不能到达
dp[T] = 0;
for(int i=0; i<n; i++){
if(!vis[i]){
DP(i);
}
}
}
3 一个用关键路径解决的经典例子
下面来看一个经典的嵌套矩阵的例子:
对于这道题的实际应用,我们可以把每个矩形看做一个顶点,如果矩形i能嵌套于矩形j内,则j有一条指向i的路径,权值为1,不能嵌套的在初始化时就是0了,这样遍历矩阵序列,就能构成一个有向无环图,之后用最长路径的方式解决即可。那么有多条最长路径时怎样输出字典序最小的呢? 其实在上面的代码中,我们已经是按照邻接点从小到大的顺序在遍历了,所以这个问题其实自动解决了。