有向无环图检测算法和关键路径算法

概念:有向无环图 即 没有回路的有向图,常用来描述一个系统或工程的行进过程

如何描述工程或子工程活动:

  • AOV网(Activity On Vertex network)---解决拓扑排序问题---对应系统分析中前驱图解决PV操作的工具
    用一个有向图表示一个工程的各自工程及其相互制约关系,其中顶点表示活动,边表示互动间的优先制约关系,称这种有向图为顶点表示活动的网,简称AOV网
    • 特点
      • 若从i到j有一条路径, 则i是j的前驱,j是i的后继;
      • 若<i, j>是网中的有向边,则i是j的直接前驱,j是i的直接后继;
      • AOV网中不允许有回路,因为如果回路存在,则表明某项活动以自己为先决条件,这是不允许的
    • 拓扑排序
      • 定义:在AOV网没有回路的前提下,我们将全部活动排列成一个线性序列,使得若AOV网中有边<i, j>存在,则在这个序列中,i 一定排在 j 的前面,具有这种性质的线性序列称为拓扑有序序列,相应的拓扑有序排序算法称为拓扑排序
        • 如何把AOV网转换成线性有序序列?
          • 找到没有前驱的顶点,然后删掉这个顶点及以全部该顶点为边尾的边;
          • 然后输出这个删掉的顶点为一个拓扑序列活动,按从小到大原则依此删除顶点和边并顺序输出到序列中;
        • 初始AOV网到线性有序序列示意图:(可以自定义原则,比如从小到大,也可以从大到小,拓扑线性有序序列不唯一)
          • 初始AOV网
          • 最终输出的线性有序序列结果:
          • 验证:到AOV网中前驱和后继关系
      • 如何检测拓扑图中是否存在回路?
        • 对有向图构造其顶点的拓扑有序序列,若网中所有顶点都在它的拓扑有序序列中,则AOV网中必定不存在环;
  • AOE网(Activity On Edge nework)---解决关键路径问题---对应高级项目管理中的网络图,用来评估项目排期最长路径最短排期,即关键路径
    用一个有向图表示一个工程的各子工程及相互制约关系,其中边表示活动,以顶点表示活动的开始或者结束事件,称这种有向图为边表示活动的网,简称AOV网。
    • 使用拓扑排序方式
      • 在各个顶点处标记ve(事件最早开始时间 初始值为0)和vl(事件最晚开始时间)
        • 计算ve:

          • v1的ve + 边(活动耗时)得到直接后继顶点(如 v2 的ve = 0 + 2;v3的ve = 0 + 5 ),更新V2和V3的顶点ve的值,记录最大值;
          • 当 当前顶点的边都计算完,则删除当前顶点和全部边,继续计算下一个如上方式依此更新顶点ve
          • 示意图
        • 计算vl:逆拓扑排序方法求出最晚开始时间

          • 全部顶点的vl更新为终点V6的ve(如图ve = 12)

          • 倒序、逆箭头方向,逐个vl减去边的值,多个边时更新成最小值,如下图

          • 得到各个事件的最早和最晚开始事件结果

          • 总结:先用拓扑排序计算每个顶点的ve(最早开始时间,记录最大值)逆拓扑计算每个顶点vl(最晚开始时间,记录最小值)

          • 边的最早时间和最晚时间

            • 最早时间e:即顶点的最早开始时间,如c、d活动是V2发出,则c和d活动的最早开始时间都是2,以此类推
            • 最晚时间l: 即被指向顶点的最晚开始时间 - 活动所需时间,如v3的最晚开始时间是5,则c活动的最晚开始时间是5 - 1 = 4以此类推。
          • 汇总成表,各活动的最早和最晚开始时间,找到边(活动)的最早开始时间和最晚开始时间是一样的边,在本图中是b、e、i活动,在途中标出即,关键路径可能不唯一):

相关推荐
NAGNIP18 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
颜酱1 天前
单调栈:从模板到实战
javascript·后端·算法
CoovallyAIHub1 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
NAGNIP2 天前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
NAGNIP2 天前
一文搞懂激活函数!
算法·面试
董董灿是个攻城狮2 天前
AI 视觉连载7:传统 CV 之高斯滤波实战
算法