【数据结构】六、图：7.有向无环图(DAG)的应用（拓扑排序AOV网）

4.有向无环图(DAG)的应用

4.1有向无环图(DAG)描述表达式

有向无环图：若一个有向图中不存在环，则称为有向无环图，简称DAG图(Directed Acyclic Graph)。

对于使用树来表示算术表达式，会可能有重复的部分：

这棵树中，红色和绿色的子树是重复的，那么就要可以删去一个：

同理，还可以合并多处重复的数据：

【2019统考真题】用有向无环图描述表达式(x + y)((x + y)/ x)，需要的顶点个数至少是（）。
A. 5 B. 6 C. 8 D.9

答案：A.5

✨4.1.1 解题步骤

4.2拓扑排序（AOV网）

AOV网(Activity on vertex Network，用顶点表示活动的网)：
用DAG图(有向无环图)表示一个工程。顶点表示活动，有向边$<V_i,V_j>$表示活动V_i必须先于活动V_j进行（活动有先后顺序）。

• 顶点：活动
• 有向边：活动有先后顺序

4.2.1 定义

所谓拓扑排序，其实就是对一个有向图构造拓扑序列的过程。每个AOV网都有一个或多个拓扑排序序列。

4.2.2 算法

拓扑排序的实现步骤：

1. 从AOV网中选择一个没有前驱（入度为0）的顶点并输出。
2. 从网中删除该顶点和所有以它为起点的有向边。
3. 重复①和②直到当前的AOV网为空或当前网中不存在无前驱的顶点为止。

【注意】

1. **一定是无环图才有拓扑排序，有环则不行。**如果输出顶点数少了，哪怕是少了一个，也说明这个网存在环(回路)，不是AOV网。
2. 若一个顶点有多个直接后继，则拓扑排序的结果通常不唯一。

上图所示为拓扑排序过程的示例。每一轮选择一个入度为0的顶点并输出，然后删除该顶点和所有以它为起点的有向边，最后得到拓扑排序的结果为{1,2,4,3,5}。

拓扑排序算法的实现如下：

// 使用 邻接表 是实现
//indegree[] 是当前结点的入度
//用栈来保存当前度0的顶点，也可以用数组/队列保存

bool TopologicalSort(Graph G){
    
	InitStack(S);	//初始化栈，存储入度为0的顶点
    
	for(int i=0; i<G.vexnum; i++){
		if(indegree[i] == 0){
			Push(S, i);	//将所有入度为0的顶点进栈
		}
	}
    
	int count = 0;	//计数，记录当前已经输出的顶点数
	while(!IsEmpty(S)){	//栈不空，则存在入度为0的顶点
		Pop(S, i);	//顶点元素出栈
		printf("%d ", i);	//输出顶点i
		count++;
        
		for(p=G.vertices[i].finstarc; p; p=p->nextarc){
			//将所有i指向的顶点的入度减1，并且将入度减为0的顶点压入栈S
			v = p->adjvex;	//遍历结点的边
			if(!--indegree[v]){
				Push(S, v);	//入度为0，则入栈
			}
		}
	}
	if(count < G.vexnum){
		return false;	//输出顶点少了，有向图中有回路，排序失败
	}else{
		return true;	//拓扑排序成功
	}
}

由于输出每个顶点的同时还要删除以它为起点的边，故拓扑排序的时间复杂度为O(|V|＋|E|)。

如果采用邻接矩阵，那么时间复杂度为O(|V|²)。

此外，利用深度优先遍历(DFS)也可实现拓扑排序。

邻接表很好写

4.3逆拓扑排序

与拓扑排序基本相似，但是是倒叙的，所以选择的是出度为0的结点。

逆拓扑排序的实现步骤：

1. 从AOV网中选择一个没有前驱（出度为0）的顶点并输出。
2. 从网中删除该顶点和所有以它为起点的有向边。
3. 重复①和②直到当前的AOV网为空或当前网中不存在无后继的顶点为止。

邻接表不好写，邻接矩阵还可以，逆邻接表好写