梳理活动的顺序仅仅是拓扑排序可以完成的功能之一,更有价值的是估量完成整个事件的最短时间。比如生产一辆汽车,虽然安排员工、准备原始材料是先行条件,但是组装各种零部件是可以同时进行的,例如制造轮子和发动机、外壳等是可以同时进行的,这样可以大大减少生产时间。这种场景我们称为AOE网。
在一个表示工程的带权有向图中,用顶点表示事件,用有向边表示活动,用边上的权值表示活动的持续时间,这种有向图的边表示活动的网,称之为AOE网(Activity On Edge Network)。
我们的目标就是在这样的AOE网中,确定它的最短完成时间,而具备最短时间的路径就是关键路径。
把路径上各个活动所持续的时间之和称为路径长度,从起点到终点具有最大长度的路径叫关键路径,在关键路径上的活动叫关键活动。
那么我们怎么确定一个活动是不是关键活动呢?以做饭为例,我们可以同时烧水、炒菜和熬粥,其中烧水只需要3分钟,炒菜需要10分钟,熬粥需要20分钟。那么很显然至少需要20分钟才能完成全部工作,也就是说在这20分钟时间里,熬粥必须从一开始就进行,而烧水则可以从开始进行,也可以等17分钟后再进行,炒菜也可以从开始进行,或者最晚等10分钟后进行。这里没有空闲时间的活动就是关键活动。
例如下图就是一个AOE网,其中权值表示活动需要的时间:
以从v0->v3为例,假设权值表示的时间单位为分钟,可选的路径有v0->v1->v3,需要8分钟,或者v0->v2->v3,需要12分钟。要尽快到达v3,则v2必须一开始立刻启动,而v1可以在最开始,或者等待4分钟之后再启动,所以v0->v2->v3是关键路径。按照此方式,可以得到此AOE网的关键路径如下:
那么接下来,我们只需要确认每个顶点的最早开始时间和最晚开始时间,判断它们的时间差,如果没有时间差就是关键路径。
首先,我们需要对AOE网进行拓扑排序,在排序的同时还可以得到每个顶点事件的最早发生时间,代码如下所示:
public <T> boolean topoSort(ATGraph<T> atGraph,int[] earlestTimeVertex,Stack<ATVertex<T>> stack2) {
int count = 0;
Queue<ATVertex<T>> queue = new LinkedList<>();
for (int i = 0; i < atGraph.getLen(); i++) {
if (atGraph.getVertex(i).getIn() == 0) {
queue.offer(atGraph.getVertex(i));
}
}
while (!queue.isEmpty()) {
ATVertex<T> vertex = queue.poll();
System.out.print(vertex.getData() + "->");
//将排序的数据push到stack2中
stack2.push(vertex);
count++;
//获取第一条边
ATEdge<T> next = vertex.getNext();
while (next != null) {
//获取
ATVertex<T> nextVertex = next.getVertex();
nextVertex.setIn(nextVertex.getIn() - 1);
if (nextVertex.getIn() == 0) {
queue.offer(nextVertex);
}
// 计算每个顶点可以执行的最早时间
// 获取弧尾顶点下标
int topIndex = atGraph.getVertexIndex(vertex);
// 获取弧头顶点下标
int index = atGraph.getVertexIndex(nextVertex);
// 更新当前顶点可以发生的最早时间
if (earlestTimeVertex[topIndex] + next.getWeight() > earlestTimeVertex[index]) {
earlestTimeVertex[index] = earlestTimeVertex[topIndex] + next.getWeight();
}
next = next.getNext();
}
}
return count >= atGraph.getLen();
}
现在我们得到了最早发生时间,并且将全部顶点按照访问的先后顺序压进了一个栈中,这是为了方便进行计算最晚发生时间。从前向后计算最晚发生时间是复杂的,但是反过来却很简单,对于最后一个顶点,它的最晚发生时间和最早发生时间一定一致,而它前面的顶点,就必须在此时间点之前完成。参考代码如下:
for (int i = 0; i < atGraph.getLen(); i++) {
// 先将最晚发生时间都设置为最长时间
latestTimeVertex[i] = earlestTimeVertex[atGraph.getLen()-1];
}
// 从后向前,更新每个顶点的最晚发生时间
while (!stack2.isEmpty()){
ATVertex<T> vertex = stack2.pop();
ATEdge<T> next = vertex.getNext();
while (next!=null){
ATVertex<T> nextVertex = next.getVertex();
int nextIndex = atGraph.getVertexIndex(nextVertex);
int index = atGraph.getVertexIndex(vertex);
if (latestTimeVertex[nextIndex]-next.getWeight()<latestTimeVertex[index]){
latestTimeVertex[index] = latestTimeVertex[nextIndex]-next.getWeight();
}
next = next.getNext();
}
}
最后,只要按照顺序比对这两个时间是否相等,就可以得到完整的关键路径了,完整代码如下:
public <T> void criticalPath(ATGraph<T> atGraph){
Stack<ATVertex<T>> stack2 = new Stack<>();
int[] earlestTimeVertex = new int[atGraph.getLen()];
int[] latestTimeVertex = new int[atGraph.getLen()];
topoSort(atGraph,earlestTimeVertex,stack2);
for (int i = 0; i < atGraph.getLen(); i++) {
// 先将最晚发生时间都设置为最长时间
latestTimeVertex[i] = earlestTimeVertex[atGraph.getLen()-1];
}
// 从后向前,更新每个顶点的最晚发生时间
while (!stack2.isEmpty()){
ATVertex<T> vertex = stack2.pop();
ATEdge<T> next = vertex.getNext();
while (next!=null){
ATVertex<T> nextVertex = next.getVertex();
int nextIndex = atGraph.getVertexIndex(nextVertex);
int index = atGraph.getVertexIndex(vertex);
if (latestTimeVertex[nextIndex]-next.getWeight()<latestTimeVertex[index]){
latestTimeVertex[index] = latestTimeVertex[nextIndex]-next.getWeight();
}
next = next.getNext();
}
}
int ete,lte;
for (int i = 0; i < atGraph.getLen(); i++) {
ATVertex<T> vertex = atGraph.getVertex(i);
ATEdge<T> next = vertex.getNext();
while (next!=null){
ATVertex<T> nextVertex = next.getVertex();
int nextIndex = atGraph.getVertexIndex(nextVertex);
lte = latestTimeVertex[nextIndex]-next.getWeight();
ete = earlestTimeVertex[i];
if (ete==lte){
System.out.println("路径:"+atGraph.getVertex(i).getData()+"->"+atGraph.getVertex(nextIndex).getData()+", 长度:"+ next.getWeight());
}
next = next.getNext();
}
}
}
以上涉及代码请参考TopoSort.java。
本文到此就结束了,如果您喜欢我的文章,可以关注我的微信公众号: 大大纸飞机
或者扫描下方二维码直接添加:
您也可以关注我的简书:https://www.jianshu.com/u/9ee83a8ee52d
编程之路,道阻且长。唯,路漫漫其修远兮,吾将上下而求索。