拓扑排序及AOE网的关键路径（python实现）

'''图的拓扑排序及关键路径'''
import sys
sys.path.append(r"C:\Users\Administrator\Desktop\数据结构（python）代码")
import Graph
'''导入一个模块 Grpah是之前已经定义过得图类，其实完全没用到，最初
的想法是基于图类来实现拓扑排序和求解关键路径的，但由于实现中基本上只有到了图类中
定义的vertex_num函数输出了顶点数，以及输出各顶点的出边，由于out_edges函数的输出
是个列表，其中的代表元是个元组，用起来贼TM难受，因此算法中采用的一个if判断外加一个
循环完全可以代替out_edges这个**的函数'''


def toposort(graph):   #得到图的拓扑排序序列
      vnum=len(graph)  
      indegree, toposeq=[0]*vnum, []
      zerov=-1


      for x in range(vnum):  #初始化入度表
            for y in range(vnum):
                  if graph[x][y]>0:
                        indegree[y]+=1


      for x in range(vnum):      # 初始化零度表
            if indegree[x]==0:
                  indegree[x]=zerov   #用zerov记录第一个入度为零顶点的下标
                  zerov=x             #用indegree[zerov]记录下一个入度为零顶点的下标


      for i in range(vnum):           
            if zerov==-1:
                  return False


            x=zerov
            zerov=indegree[zerov]    
            toposeq.append(x)         
            for y in range(vnum):
                  if graph[x][y]>0:
                        indegree[y]-=1
                        if indegree[y]==0:
                              indegree[y]=zerov
                              zerov=y
      return toposeq
'''程序中始终维持一个零度表，用zerov记录第一个（指接下来要处理的）入度为零顶点的下标，用indegree[zerov]
记录下一个入度为零点的下标，如果发现新的入度为零的点，比如v，就将但是zerov的值存入
indegree[v],将v存入zerov，相当于v入栈，当要取出入度为零的元素时，就使用zerov的值，
并将zerov修改为indgree[zerov],此处zerov和indegree[zerov]相当于一个栈的功能'''












def critical_path(graph):
      def events_earliest_time(vnum,graph,toposeq):   #计算各事件的最早发生时间
            ee=[0]*vnum
            for i in toposeq:
                  for j in range(vnum):
                        if graph[i][j]!=0:
                              if ee[i]+graph[i][j]>ee[j]:
                                    ee[j]=ee[i]+graph[i][j]
            return ee


      def events_latest_time(graph,vnum,toposeq,eelast):
            le=[eelast]*vnum     #计算各事件允许的最晚发生时间
            for k in range(vnum-2,-1,-1):
                  i=toposeq[k]
                  for j in range(vnum):
                        if graph[i][j]!=0:
                              if le[j]-graph[i][j]<le[i]:
                                    le[i]=le[j]-graph[i][j]
            return le


      def crt_road(vnum,graph,ee,le):   #得到关键路径
            crt_road=[]
            for i in range(vnum):
                  for j in range(vnum):
                        if graph[i][j]>0:
                              if ee[i]==le[j]-graph[i][j]:
                                    crt_road.append((i,j,ee[i]))
                  
            return crt_road


      toposeq=toposort(graph)
      if not toposeq:
            return False
      vnum=len(graph)
      ee=events_earliest_time(vnum,graph,toposeq)
      le=events_latest_time(graph,vnum,toposeq,ee[vnum-1])
      return crt_road(vnum,graph,ee,le)








graph=[[0,7,13,8,0,0,0,0,0],
        [0,0,4,0,0,14,0,0,0],
        [0,0,0,0,5,0,8,12,0],
        [0,0,0,0,13,0,0,10,0],
        [0,0,0,0,0,7,3,0,0],
        [0,0,0,0,0,0,0,0,5],
        [0,0,0,0,0,0,0,0,7],
        [0,0,0,0,0,0,0,0,8],
        [0,0,0,0,0,0,0,0,0]]
print("原图的拓扑排序序列", toposort(graph), '\n')
print("原图的关键路径",critical_path(graph), '\n')






def events_earliest_time(vnum,graph,toposeq):
            ee=[0]*vnum
            for i in toposeq:
                        for j in range(vnum):
                              if graph[i][j]!=0:
                                    if ee[i]+graph[i][j]>ee[j]:
                                          ee[j]=ee[i]+graph[i][j]
            return ee 


def events_latest_time(graph,vnum,toposeq,eelast):
            le=[eelast]*vnum
            for k in range(vnum-2,-1,-1):
                  i=toposeq[k]
                  for j in range(vnum):
                        if graph[i][j]!=0:
                              if le[j]-graph[i][j]<le[i]:
                                    le[i]=le[j]-graph[i][j]
            return le








toposeq=[0, 3, 1, 2, 7, 4, 6, 5, 8]


graph1=[[0,7,13,8,0,0,0,0,0],
        [0,0,4,0,0,14,0,0,0],
        [0,0,0,0,5,0,8,12,0],
        [0,0,0,0,13,0,0,10,0],
        [0,0,0,0,0,7,3,0,0],
        [0,0,0,0,0,0,0,0,5],
        [0,0,0,0,0,0,0,0,7],
        [0,0,0,0,0,0,0,0,8],
        [0,0,0,0,0,0,0,0,0]]
vnum=len(graph1)
print("原图中各事件的最早发生时间", events_earliest_time(vnum,graph1,toposeq),'\n')

print("原图中各事件允许的最晚发生时间",events_latest_time(graph1,vnum,toposeq,33))

结果输出：

原图的拓扑排序序列 [0, 3, 1, 2, 7, 4, 6, 5, 8] 


原图的关键路径 [(0, 2, 0), (0, 3, 0), (2, 7, 13), (3, 4, 8), (4, 5, 21), (5, 8, 28), (7, 8, 25)] 


原图中各事件的最早发生时间 [0, 7, 13, 8, 21, 28, 24, 25, 33] 


原图中各事件允许的最晚发生时间 [0, 9, 13, 8, 21, 28, 26, 25, 33]
>>>