动态规划-DAG最长路

动态规划-DAG最长路

DAG就是有向无环图，并且在之前已经讨论了如何求解DAG中的最长路，也就是所谓的”关键路径“。但是求解关键路径的做法对初学者来说确实有些复杂，而DAG上的最长路或者最短路问题又是特别重要的一类问题，很多问题都可以转换成求解DAG上的最长或最短路径问题，因此有必要介绍一下更简便的方法，也就是使用本节介绍的方法。由于DAG最长路和最短路的思想是一致的，因此下面以最长路为例。

本节着重解决两个问题：

1. 求整个DAG中的最长路径（即不固定起点跟终点）
2. 固定终点，求DAG的最长路径。

先讨论第一个问题：**给定一个有向无环图，怎样求解整个图的所有路径中权值之和最大的那条。**如图11-6所示，B->D->F->I就是该图的最长路径，长度为9。

针对这个问题，令dp[i]表示从i号顶点出发能获得的最长路径长度，这样所有dp[i]的最大值就是整个DAG的最长路径长度。

那么怎么求解dp数组呢？注意到dp[i]表示从i号顶点出发能获得的最长路径长度，如果从i号顶点出发能直接到达顶点j1,j2,…jk,而dp[j1],dp[j2],…,dp[jk]均已知，那么就有dp[i] = max{dp[j] + length[i->j]}

显然，根据上面的思路，需要按照逆拓扑排序来求解dp数组(想一想，为什么？)。但是有没有不求出逆拓扑序列也能计算dp数组的方法呢？当然有，那就是递归。请看下面的代码，其中图使用邻接矩阵的方式存储。

int DP(int i){
   
    if(dp[i] > 0) return dp[i];	// dp[i]已计算得到
    for(int j = 0 ; j < n ; j++){
   	// 遍历i的所有出边
        if(G[i