拓扑排序（Topological Sort）和关键路径（Critical Path Method, CPM）是图论与项目管理中密切相关的两个重要概念

原创于 2026-07-23 00:00:00 发布 · 36 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

IaaS(Infrastructure Service)

IP(Internet Protocol Firewall)

DBMS(Management System)

拓扑排序（Topological Sort）和关键路径（Critical Path Method, CPM）是图论与项目管理中密切相关的两个重要概念，均基于有向无环图（DAG），且在数据结构中常依托邻接表/邻接矩阵、入度数组、栈/队列及**优先队列（用于关键路径中的最早/最晚时间计算）**等实现。

🔹 拓扑排序

适用对象：有向无环图（DAG），反映任务间的偏序关系（如课程先修、编译依赖）。
核心思想：按顶点的“依赖顺序”线性排列，使得每条有向边 (u → v) 中 u 总在 v 之前出现。
常用算法：Kahn 算法（基于入度的 BFS）或 DFS（记录逆后序）。
数据结构支撑：
- 邻接表存储图；
- 入度数组（indegree[]）跟踪各顶点入度；
- 队列（Kahn）或递归栈（DFS）维护待处理节点。

🔹 关键路径

应用场景：AOE网（Activity On Edge network），即带权有向无环图，边表示活动、权值为持续时间，顶点表示事件（里程碑）。
目标：找出从源点到汇点的最长路径（因决定整个工程最短完成时间），该路径上的活动为“关键活动”，无浮动时间。
计算步骤：
1. 拓扑排序确保事件处理顺序；
2. 正向遍历求各事件的最早发生时间 ve[i]（最长路径长度）；
3. 逆向遍历（需逆邻接表或反向图）求各事件的最晚发生时间 vl[i]；
4. 对每条边 ⟨i, j⟩ 权值 w，若 ve[i] == vl[j] − w，则该活动为关键活动。
数据结构需求：
- 邻接表 + 逆邻接表（或存储反向边）；
- ve[]、vl[] 数组；
- 辅助栈/队列用于拓扑序列存储与逆序访问。

二者关系：拓扑排序是求解关键路径的前提和基础——只有在 DAG 上完成拓扑排序，才能保证 ve/vl 的动态规划式计算满足依赖顺序。

# Kahn拓扑排序示例（邻接表 + 入度）
from collections import deque

def topological_sort(graph, n):
    indegree = [0] * n
    for u in range(n):
        for v in graph[u]:
            indegree[v] += 1
    
    q = deque([i for i in range(n) if indegree[i] == 0])
    topo_order = []
    
    while q:
        u = q.popleft()
        topo_order.append(u)
        for v in graph[u]:
            indegree[v] -= 1
            if indegree[v] == 0:
                q.append(v)
    
    return topo_order if len(topo_order) == n else []  # 有环则返回空

利用拓扑排序结果在线性时间内计算 AOE 网中各事件的最早发生时间 ve[i]，核心思想是：按拓扑序正向递推，每个事件的 ve 值等于其所有前驱事件的 ve + 对应活动（边）权值的最大值。由于拓扑序保证了“所有前驱已处理”，因此每条边仅被访问一次，总时间复杂度为 O(V + E)，即线性。

✅ 具体步骤如下：

前提准备：
- 已知 AOE 网的邻接表 graph（graph[u] = [(v, w)] 表示从事件 u 到事件 v 的活动，耗时 w）；
- 已通过 Kahn 或 DFS 得到合法拓扑序列 topo_order（长度为 n，索引 0 → n−1 为执行顺序）；
- 初始化 ve[0..n−1] = 0（源点 ve[0] 通常设为 0；其余初始为 0，后续更新）。
正向遍历拓扑序列：
对每个事件 u（按 topo_order 顺序），遍历其所有出边 u → v，执行松弛更新：
```
ve[v] = max(ve[v], ve[u] + w)
```
正确性保障：
- 拓扑序中 u 出现在 v 之前 ⇔ 所有指向 v 的边 (u→v) 的起点 u 都已被处理；
- 因此 ve[v] 在访问到 v 之前，已由所有前驱充分更新，无需重复迭代（区别于 Bellman-Ford）。

📌 示例（伪代码）：

ve = [0] * n  # 初始化所有事件最早时间
for u in topo_order:                    # 按拓扑序处理每个事件
    for v, w in graph[u]:               # 遍历 u 发出的所有活动
        if ve[v] < ve[u] + w:           # 松弛：更早完成 v 的可能？
            ve[v] = ve[u] + w