7、图(新0509)分解.ppt

* a b e h k 源点 汇点 6 1 7 4 关键活动为a,b b,e e,h h,k 关键路径为(a,b,e,h,k) * 用AOE网来估算工程完成的时间是非常有用的 提高非关键活动的速度一般不会加快工程进度。提高关键活动的速度有助于加快工程进度。 但关键活动的速度提高是有限度的，只有在不改变网的关键路径的前提下，提高关键活动的速度才有效。 若网中有几条关键路径，那么，单提高一条关键路径上的关键活动的速度，不能导致整个工程缩短工期，而必须提高同时在几条关键路径上的活动的速度。 * 求关键路径的算法: ⑴ 输入 e 条弧j,k, 建立AOE-网的存储结构; ⑵ 从源点v0出发,令ve[0]=0,按拓扑有序求其余各顶点的最早发生时间ve[i](1≤i ≤n-1).如果得到的拓扑有序序列中顶点个数小于网中顶点数n,则说明网中存在环,不能求关键路径,算法终止;否则执行步骤⑶; ⑶ 从汇点vn出发,令vl[n-1]=ve[n-1],按逆拓扑有序求其余各顶点的最迟发生时间vl(i)(n-2≥i ≥2); ⑷ 根据各顶点的 ve 和 vl 值,求每条弧 s 的最早开始时间 e(s) 和最迟开始时间 l(s) . 若某条弧满足条件e(s)= l(s), 则为关键活动. * 算法的实现要点: 显然 求ve的顺序应该是按拓扑有序的次序； 而 求vl的顺序应该是按拓扑逆序的次序； 因为 拓扑逆序序列即为拓扑有序序列的 逆序列， 因此 应该在拓扑排序的过程中， 另设一个“栈”记下拓扑有序序列。 * 先将前面的拓扑排序算法改造。在算法中设置一个“栈”S，以保存“入度为零”的顶点。设置另一个“栈”T，保存G的拓扑序列。 FindInDegree(G,indegree); // 对各顶点求入度,放到indegree数组 InitStack(S); InitStack(T); for ( i=0; iG.vexnum; ++i) if (!indegree[i]) Push(S, i); // 入度为零的顶点入栈 StatusTopologicalOrder(ALGraph G, Stack T) { //有向图采用邻接表存储结构。若G无回路，则输出G的顶点的一个拓扑序列并返回OK，否则ERROR * count=0; ve[0..G.vexnum-1]=0; // 对输出顶点计数 while (!EmptyStack(S)) { Pop(S, j); Push(T, j); ++count; //j顶点入T栈 for (p=G.vertices[j].firstarc; p; p=p-nextarc) {k=p-adjvex; --indegree[k]; // 弧头顶点的入度减1 if (!indegree[k]) Push(S, k); // 新产生的入度为零的顶点入栈 if ((ve[j]+ *(p-info))ve[k]) ve[k]=ve[j]+ *(p-info); } } if (countG.vexnum) printf(“图中有回路ERROR”) }// TopologicalOrder j k i * 求关键路径的算法 Status CriticalPath(ALGraph G) //G为有向网，输出G的关键活动 { if (!TopologicalOrder(G,T)) return ERROR; vl [0..G.vexnum-1]=ve[G.vexnum-1]; //初始化顶点事件的最迟发生时间 while (!StackEmpty(T)) //按拓扑逆序求各顶点vl的值 for ( pop(T, j), p=G.vertices[j].firstarc; p; p=p-nextarc) { k=p-adjvex; dut=*(p-info); //dutj,k if