学习笔记——最短路径和关键路径

总括
在我们不知道图的类型（有圈无圈、有负圈无负圈）的时候， Ford算法和上文中Dijkstra算法的优化版会给予我们一种通用的解法， 但是我们要注意到他们的时间复杂度为0(E * V)；

这个时间的耗费是巨大的， 所以在我们知道足够的限制条件时我们就可以细化情况， 单独提出无环图这样的一个特例， 优化出时间复杂度为O(N)的线性算法。

除此之外， 无向图的应用中还有关键的一点就是关键路径的求解， 他往往用来求解工程中， 某一事件的优先关系
·
·
·
·

无圈图最短路径
说到无圈图的最短路径， 和dp有极大的相似程度。

如果知道图是无圈的， 那么我们通过将图的存储方式加以改变， 或者叫做顶点选取法则， 来改进Dijstra算法。 新的法则说白了就是这个无圈图的拓扑排序。 因为这个拓扑排序的建立和最短路径的选择可以同时完成时间复杂度近似于O(N)（队列优化下）， 所以这个算法的时间复杂度近似于O(N)；

简要的证明一下：当一个顶点V被选取之后， 按照拓扑排序的选取法则， 他没有从未知顶点发出并进入V的边， 因此他的距离为d是已经确定的， 这个距离是已经确定的， 所以这种算法是可行的。

为了下面便于讲解， 我们可以假设这样的一种情况——你在某个下坡滑雪， 你想要从a点到b点， 但是只能走下坡路，这个例子显然不可能有圈（大家可以看看我的前几篇关于DP的博客——数塔问题）
无圈图的最短路径本质是就是拓扑排序的顺序的选优 或者简单的归结于DP的数塔问题
·
·
·
·
·

无圈图的关键路径
·
·

求解无圈图的每个节点的最大最小完成时间

在如上图的无圈图中， 一个更重要的作用就是关键路径分析法。 我们以上图为一个例子， 每个节点表示一个必须执行的动作以及完成这个动作说需要的时间。因此， 该图叫做动作节点图。图中的有向边< v, w >代表动作v必须在动作w开始之前完成， 当然， 这就意味着图必须是无圈的。

这种类型的图通常用被用来模拟方案的构建。 在这种情况下， 有几个问题需要回答。 首先方案的最早完成时间是何时？ 从图中我们可以找到， 沿路径A, C, F,H需要10个单位的时间。 另一个重要的问题就是那些点可以延时， 延时的时间有多长， 而不至于影响最少完成时间。例如， 延时A, C, F, H中的人一个都将使时间推到10个时间之后。 另一方面， 动作B欠次要， 可以被延时两个单位的时间而不至于影响最后的完成时间。

为了进行这些运算， 我们把动作节点图转化成事件节点图。 每个事件对应一个动作和他所有与他相关的动作的完成时间由此， 我们将上图转化成下面的图：

为了找出方案的最早完成时间， 我们只要找出从第一个事件到最后一个事件的最短路径的长， 位于一般的图， 最长路径是没有意义的， 因为可能存在正值的环的存在。 这些正值圈等价于最短路径中的负值圈。 如果出现正值圈， 我们一般的办事时寻找简单最短路径， 但是对与这题而言这种担心是没有意义的， 因为事件节点是无圈图， 因此我们不必担心圈的问题。在这种情况下， 容易采纳最短路径算法计算图中所有节点最早的完成时间。假设 ECi 是节点i 的最早完成时间， 那么可用的法则为

ECi = 0;
ECw = max(CEv + Cv,w);
1
2
如下图是我们通过上述关系式说得到的每个事件的最早完成时间：

与之对应， 我们还能计算出每个事件能够完成而不影响最后完成时间的最晚时间LCi。进行这项工作的公式与上文的想对应：

LCn = ECn;
LCv = min(LCw - Cv,w);
1
2
对于每个顶点， 通过一个报讯所有邻接并且在先的顶点的表， 这些值就可以以线性的时间算出。
借助顶点的拓扑排序计算他们的最早完成的时间， 而最晚时间则是倒转他们的拓扑序来计算。 最晚的完成时间如下图

·
·

求解松弛时间
我们将上面的两张图相互叠加， 得到下图：

其中每个节点上方的是这个节点的最早完成时间， 每个节点下方的是这个节点的最晚完成时间。 这两个值得差值就是这条边的松弛时间，它代表着这个点可以被推迟但是最终的整体耗时不会被推迟的时间量。 综合上图和上文的两个关系式我们不难推导出

Slack(v,w) = LCw - ECv - Cv, w;
1
其中有些动作的松弛时间为零， 这些动作就是关键性的动作， 他们必须按计划开始和结束， 至少存在一条完全由0组成的松弛边路径， 这条路径称之为关键路径