博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
数据结构 — 图 之 关键路径、关键活动 (文字表述)
阅读量:1985 次
发布时间:2019-04-27

本文共 469 字,大约阅读时间需要 1 分钟。

1、AOE网:

边表示活动的网络,边表示活动,顶点表示事件,当该事件发生了,就说明触发该事件发生的所有的活动已经完成。一个工程所需的最短时间 就是 完成从开始顶点到终止顶点的最长路径的长度。

2、关键路径:

关键路径就是从开始顶点到结束顶点之间 一条具有最长路径长度的路径。关键路径可能不止一条。

3、活动的early(i):

一个事件(顶点vi)的最早发生时间 -> 最长路径的长度 -> early(i)活动ai的最早开始时间 -> vi 是 ai 开始的前提 -> vi最早完成时间

4、活动的late(i):

活动(边ai)最迟开始时间 -> 不增加工程工期的前提下,最多推迟几天 -> late(i)活动ai最迟开始时间 -> 工期 -( 该活动所需的时间 + 之后活动所需的时间和)

5、关键活动:

满足early(i) = late(i) 的活动,这足以说明该活动的关键程度。

6、确定关键路径的算法:

1)early(i) 2)late*(i)  3)得出关键活动 4)删除非关键活动      5)得到一条从开始顶点到终止顶点的路径

转载地址:http://aiuvf.baihongyu.com/

你可能感兴趣的文章
数据挖掘与数据分析(三)—— 探索性数据分析EDA(多因子与复合分析) & 可视化(1)—— 假设检验(μ&卡方检验&方差检验(F检验))&相关系数(皮尔逊&斯皮尔曼)
查看>>
RRT算法(快速拓展随机树)的Python实现
查看>>
路径规划(二) —— 轨迹优化(样条法) & 局部规划(人工势能场法) & 智能路径规划(生物启发(蚁群&RVO) & 强化学习)
查看>>
D*算法
查看>>
强化学习(四) —— Actor-Critic演员评论家 & code
查看>>
RESTful API
查看>>
优化算法(四)——粒子群优化算法(PSO)
查看>>
数据挖掘与数据分析(三)—— 探索性数据分析EDA(多因子与复合分析) & 可视化(2)——回归分析(最小二乘法&决定系数&残差不相关)&主成分分析&奇异值分解
查看>>
数据在Oracle中的存储
查看>>
优化算法(五)—人工蜂群算法Artificial Bee Colony Algorithm(ABC)
查看>>
轨迹规划 trajectory planning
查看>>
AGV自动导引运输车
查看>>
Trie树(字典树)
查看>>
COMP7404 Machine Learing——Logistic Regression
查看>>
COMP7404 Machine Learing——Regularization(参数C)
查看>>
COMP7404 Machine Learing——KNN
查看>>
COMP7404 Machine Learing——SVM
查看>>
COMP7404 Machine Learing——Decision Tree & Random Forests
查看>>
COMP7404 Machine Learing——Hyperparameter Grid Search & Nested Cross-Validation
查看>>
COMP7404 Machine Learing——Confusion Matrix & Precision/Recall/F1
查看>>