一 、概览
这里涉及到图的概念,感兴趣的同学请移驾 [-->图<--]
下面还有两个相关概念,大概说一下:
1.1 有向无环图
定义:在图论中,如果一个有向图从任意顶点出发无法经过若干条边回到该点,则这个图是一个有向无环图(DAG,Directed Acyclic Graph)
每条边都带有从一个顶点指向另一个顶点的方向的图为有向图。有向图中的道路为一系列的边,系列中每条边的终点都是下一条边的起点。
如果一条路径的起点是这条路径的终点,那么这条路径就是一个环。有向无环图即为没有环出现的有向图
1.2 拓扑结构
定义:将实体抽象成点,将实体间的链接抽象成线,进而以图形的关系呈现这些点与线之间的关系。其目的在于研究这些点、线之间的相连关系。表示点和线之间关系的图被称为拓扑结构 图
比较常用的是网络拓扑结构
背景:
一个较大的工程往往被划分成许多子工程,我们把这些子工程称作活动(activity)。在整个工程中,有些子工程(活动)必须在其它有关子工程完成之后才能开始,也就是说,一个子工程的开始是以它的所有前序子工程的结束为先决条件的,但有些子工程没有先决条件,可以安排在任何时间开始。为了形象地反映出整个工程中各个子工程(活动)之间的先后关系,可用一个有向图来表示,图中的顶点代表活动(子工程),图中的有向边代表活动的先后关系,即有向边的起点的活动是终点活动的前序活动,只有当起点活动完成之后,其终点活动才能进行。通常,我们把这种顶点表示活动、边表示活动间先后关系的有向图称做顶点活动网(Activity On Vertex network),简称AOV网。
二、拓扑排序(顶点的线性排序)
定义:在图论中,拓扑排序(Topological Sorting)是一个有向无环图(DAG, Directed Acyclic Graph)的所有顶点的线性序列。
例如,一个项目包括A、B、C、D四个子部分来完成,并且A依赖于B和D,C依赖于D。现在要制定一个计划,写出A、B、C、D的执行顺序。这时,就可以利用到拓扑排序,它就是用来确定事物发生的顺序的。
且该序列必须满足下面两个条件:
- 每个顶点出现且只出现一次。
- 若存在一条从顶点 A 到顶点 B 的路径,那么在序列中顶点 A 出现在顶点 B 的前面。
- 有向无环图(DAG)才有拓扑排序
度数: 由一个顶点出发,有几条边就称该顶点有几度,或者该顶点的度数是几
出度: 由一个顶点出发的边的总数
入度: 指向一个顶点的边的总数
拓扑排序使用深度优先算法,时间复杂度为O ( V + E )
拓扑排序通常有几种实现方式:
2.1 入度表(直接遍历)
于是,得到拓扑排序后的结果是 { 1, 2, 4, 3, 5 }。
通常,一个有向无环图可以有一个或多个拓扑排序序列。
2.2 通过DFS(深度)和栈实现
思路:
找到顶点,递归遍历到最后的结点,通过回溯将遍历到的点入栈,那么先进栈的必定是只有入度的结点,只有出度的结点必定在最后进栈,最后通过出栈可以得到排序后的顺序。
具体代码请看 实战 2
2.3 通过队列实现
思路:
- 通过遍历,将所有入度为0的进入队列。并将与之相连的结点的入度-1。
- 然后一个一个的出队列,出队列的同时判断与出队列结点相连的结点是否入度为0,为0则进栈。
- 循环第一二步,直到所有节点被选择或者栈空。(其实栈空的时候,所有节点就是被选择了)
不废话,直接上代码:
/**
* 图的存储
* 邻接矩阵 二维数组
*/
public static class GrapMatrix {
/**
* 节点个数
*/
public int size;
/**
* 顶点名称
*/
char [] nodeName;
/**
* 排序后的顺序
*/
List result;
/**
* 图关系矩阵
*/
int [][] matrix;
/**
*
* @param nodeName 节点
* @param edgs 节点关系
*/
public GrapMatrix(char[] nodeName, char[][] edgs) {
size = nodeName.length;
this.nodeName = nodeName;
// 设置图关系矩阵大小
this.matrix = new int[size][size];
result = new ArrayList<Integer>();
// 初始化图关系矩阵
for (char[] node: edgs) {
matrix[getPosition(node[0])][getPosition(node[1])] = 1;
System.out.println(node);
}
// 输出图的邻接矩阵
for(int i = 0; i < size; i ++) {
for (int j = 0; j < size; j ++) {
System.out.print(matrix[i][j] + " ");
}
System.out.println("");
}
}
// 排序
public void tuopuSort() {
System.out.println("\n");
// 一个一维数组,用来保存顶点的入度
int indegree[] = new int[size];
boolean indegreeV[] = new boolean[size];
// 给入度输入值
for(int i = 0; i < size; i ++) {
indegreeV[i] = false;
for (int j = 0; j < size; j ++) {
if (matrix[i][j] == 1) {
indegree[j] = indegree[j] + 1;
}
}
}
System.out.println("\n");
//开始进行遍历
LinkedList<String> nodes = new LinkedList<String>();
// 将入度为 0 的节点入队列
for (int x = 0; x < size; x ++) {
if (indegree[x] == 0) {
System.out.println(nodeName[x]);
nodes.add(String.valueOf(nodeName[x]));
}
}
int j = 0;
while (!nodes.isEmpty()) {
for (int x = 0; x < size; x ++) {
System.out.println("\n 数组 x = " + x + ", ");
if (indegree[x] == 0 && !indegreeV[x]) {
indegreeV[x] = true;
String s = nodes.poll();
System.out.println("add = " +s);
result.add(s);
// 找到跟它相关的节点,,入度 -1
for (int y = 0; y < size; y ++) {
if (matrix[x][y] == 1) {
System.out.println("相关的节点 -1 = " + y);
indegree[y] = indegree[y] - 1;
if (indegree[y] == 0) {
System.out.println("相关的节点 -1 后, 入度为0, " + nodeName[y]);
nodes.add(String.valueOf(nodeName[y]));
}
}
}
} else {
}
}
j ++;
}
System.out.println(result);
}
public int getPosition(char pos) {
for (int i = 0; i < nodeName.length; i ++) {
if (nodeName[i] == pos) {
return i;
}
}
return -1;
}
}
三、实战
应用:
拓扑排序通常用来“排序”具有依赖关系的任务。
eg: 关键路径
选课系统
等这些任务有先后顺序的图。
比如,要想升职加薪,就要先拍马屁
3.1 选课系统
我们现在以课程排序来做代码测试,
假定一个计算机专业的学生必须完成下图所列出的全部课程。
在这里,课程代表活动,学习一门课程就表示进行一项活动,学习每门课程的先决条件是学完它的全部先修课程。
我们用图的方式,将他们的先后顺序及依赖关系表示如下:
对于---> 图 的存储结构,常用的是"邻接矩阵"和"邻接表",
拓扑排序的动态表示
https://www.cs.usfca.edu/~galles/visualization/TopoSortIndegree.html
3.2 Android冷启动优化,有向无环图启动器
Application中初始化应用所需的业务、工具、UI等组件,导致耗时,导致冷启动会比较慢,需要进行优化处理,
我们要做的就是把主线程的串行任务变成并发任务,在将所有任务整理出来后,进行一个排序,
1、每一个业务模块当成一个任务,再梳理任务之间的关系。有的必须要在所以任务之前初始化,有的必须要在主线程初始化,有的可以有空在初始化,有的必须要在有的任务执行完毕再初始化,将这些任务的先后顺序及依赖关系用图画出来。
主进程执行, eg:推送,就不需要判断进程
主线程执行,eg:有的要主线程,有的要子线程
2、代码Task化,启动逻辑抽象为Task;
3、根据所有任务依赖关系排序生成一个有向无环图;
4、多线程按照排序后的优先级依次执行
关健代码
public class AppStartTaskSortUtil {
/**
* 拓扑排序
* taskIntegerHashMap每个Task的入度(key= Class < ? extends AppStartTask>)
* taskHashMap每个Task (key= Class < ? extends AppStartTask>)
* taskChildHashMap每个Task的孩子 (key= Class < ? extends AppStartTask>)
* deque 入度为0的Task
*/
public static List<AppStartTask> getSortResult(List<AppStartTask> startTaskList, HashMap<Class<? extends AppStartTask>, AppStartTask> taskHashMap, HashMap<Class<? extends AppStartTask>, List<Class<? extends AppStartTask>>> taskChildHashMap) {
List<AppStartTask> sortTaskList = new ArrayList<>();
HashMap<Class<? extends AppStartTask>, TaskSortModel> taskIntegerHashMap = new HashMap<>();
Deque<Class<? extends AppStartTask>> deque = new ArrayDeque<>();
for (AppStartTask task : startTaskList) {
if (!taskIntegerHashMap.containsKey(task.getClass())) {
taskHashMap.put(task.getClass(), task);
taskIntegerHashMap.put(task.getClass(), new TaskSortModel(task.getDependsTaskList() == null ? 0 : task.getDependsTaskList().size()));
taskChildHashMap.put(task.getClass(), new ArrayList<Class<? extends AppStartTask>>());
//入度为0的队列
if (taskIntegerHashMap.get(task.getClass()).getIn() == 0) {
deque.offer(task.getClass());
}
} else {
throw new RuntimeException("任务重复了: " + task.getClass());
}
}
//把孩子都加进去
for (AppStartTask task : startTaskList) {
if (task.getDependsTaskList() != null) {
for (Class<? extends AppStartTask> aclass : task.getDependsTaskList()) {
taskChildHashMap.get(aclass).add(task.getClass());
}
}
}
//循环去除入度0的,再把孩子入度变成0的加进去
while (!deque.isEmpty()) {
Class<? extends AppStartTask> aclass = deque.poll();
sortTaskList.add(taskHashMap.get(aclass));
for (Class<? extends AppStartTask> classChild : taskChildHashMap.get(aclass)) {
taskIntegerHashMap.get(classChild).setIn(taskIntegerHashMap.get(classChild).getIn() - 1);
if (taskIntegerHashMap.get(classChild).getIn() == 0) {
deque.offer(classChild);
}
}
}
if (sortTaskList.size() != startTaskList.size()) {
throw new RuntimeException("出现环了");
}
return sortTaskList;
}
}