cpm算法

❶ 抖音的广告怎么投放抖音广告怎么投放价格怎么在抖音上投放广告

抖音APP的广告现在是放在今日头条的广告后台上的，收费模式、价格及广告精准定向跟今日头条是统一的，只需要开通今日头条广告，在广告后台自己设置投放就行

多个兴趣扇面叠加在一起，即便只选择一个兴趣扇面投放广告，但用户的兴趣是多个扇面，也有其他广告主对用户投放。实际的广告出价、位置、点击量等数据算法更复杂。要根据投放经验和当前数据综合判断。

❷ cpm是什么意思

CPM在项目计划管理方法中代表的是什么意思?你们可曾接触过?下面是我给大家整理的cpm是什么意思，供大家参阅!

cpm是什么意思

关键路径法(Critical Path Method, CPM)是一种基于数学计算的项目计划管理方法，是网络图计划方法的一种，属于肯定型的网络图。关键路径法将项目分解成为多个独立的活动并确定每个活动的工期，然后用逻辑关系(结束-开始、结束-结束、开始-开始和开始结束)将活动连接，从而能够计算项目的工期、各个活动时间特点(最早最晚时间、时差)等。在关键路径法的活动上加载资源后，还能够对项目的资源需求和分配进行分析。关键路径法是现代项目管理中最重要的一种分析工具。

CPM关键路径法应用

在60年代初期，PERT的发展比较迅速，据统计，到1964年，关于PERT的参考书目和论文达到了1000多种。到1961年，各种基于PERT的类似的方法出现，如PERT/Cost,PERT-RAMPS(Resource Allocation & Multi-Project Schele)，MAPS，SCANS，TOPS，PEP，TRACE，LESS和PAR等。其中PEP法是将甘特图的活动赋以逻辑关系，这是计划软件一般采用的一种图形输出方法。1962年的时候，时任美国国防部长MacNamara在起草一项法令时，指出计划评审法和关键路径法同时并存的局面容易引起混淆，以后国防部的所有部门一律使用计划评审法(PERT)，这在当时对于关键路径法的提倡者是一个重大打击，不过在随后的发展中，关键路径法(CPM)逐渐占了优势，真正使用计划评审法的其实已经很少。而且即使是在当时，很多所谓的计划评审法(PERT)，其实质其实是关键路径法(CPM)。如美国航空局(NASA)当时使用的NASA-PERT，实际就是关键路径法(CPM)。

无论是关键路径法(CPM)还是计划评审法(PERT)，最初使用的表示方法都是箭线法(ADM)，在之后很长的一段时间箭线法(ADM)都是人们主要使用的方法，直到70年代以后，前导图(PDM)才开始逐渐流行起来，但是箭线法(ADM)仍然使用极为广泛。在90年代以后，美国Primavera公司开发出其Windows版本的计划管理软件时，只采用前导图(PDM)作为其计算平台，从根本上改变了这一局面，从此以后，前导图(PDM)成了人们主要使用的方法，而箭线图(ADM)则很少使用。

CPM关键路径法时间计算

在进行计算时，箭线图和前导图的计算过程有所不同。

正推法

箭线图(ADM)的计算一般有正推法(Forward Pass)和逆推法(Backward Pass)两种，正推法用于计算活动和节点的最早时间，其算法如下：

⒈设置箭线图(ADM)中的第一个节点的时间，如设置为1。

⒉选择一个开始于第一个节点的活动开始进行计算。

⒊令活动最早开始时间等于其开始节点的最早时间。

⒋在选择的活动的最早开始时间上加上其工期，就是其最早结束时间。

⒌比较此活动的最早结束时间和此活动结束节点的最早时间。如果结束节点还没有设置时间，则此活动的最早结束时间就是该结束节点的最早时间;如果活动的结束时间比结束节点的最早时间大，则取此活动的最早结束时间作为节点的最早时间;如果此活动的最早结束时间小于其结束节点的最早时间，则保留此节点时间作为其最早时间。

⒍检查是否还有其它活动开始于此节点，如果有，则回到步骤3进行计算;如果没有，则进入下一个节点的计算，并回到步骤3开始，直到最后一个节点。

逆推法

活动和节点的最迟时间采用逆推法(Backward Pass)计算，逆推法(Backward Pass)一般从项目的最后一个活动开始计算，直到计算到第一个节点的时间为止，在逆推法的计算中，首先令最后一个节点的最迟时间等于其最早时间，然后开始计算，具体的计算步骤如下所示：

⒈设置最后一个节点的最迟时间，令其等于正推法计算出的最早时间。

⒉选择一个以此节点为结束节点的活动进行计算。

⒊令此活动的最迟结束时间等于此节点的最迟时间。

⒋从此活动的最迟结束时间中减去其工期，得到其最迟开始时间。

⒌比较此活动的最迟开始时间和其开始节点的最迟时间，如果开始节点还没有设置最迟时间，则将活动的最迟开始时间设置为此节点的最迟时间，如果活动的最迟开始时间早于节点的最迟时间，则将此活动的最迟开始时间设置为节点的最迟时间，如果活动的最迟开始时间迟于节点的最迟时间，则保留原节点的时间作为最迟时间

⒍检查是否还有其它活动以此节点为结束节点，如果有则进入第二步计算，如果没有则进入下一个节点，然后进入第二步计算，直至最后一个节点。

⒎第一个节点的最迟时间是本项目必须要开始的时间，假设取最后一个节点的最迟时间和最早时间相等，则其值应该等于1。

❸ 广告中的CPM是怎么计算出来的

千人价格（CPM）=（广告费用/到达人数）×1000，其中广告费用/到达人数通常以一个百分比的形式表示，在估算这个百分比时通常要考虑其广告投入是全国性的还是地域性的，通常这两者有较大的差别。

千人成本是一种媒体或媒体排期表（SCHEDULING）送达1000人或"家庭"的成本计算单位。这可用于计算任何媒体，任何人口统计群体及任何总成本。

它便利说明一种媒体与另一种媒体、一个媒体排期表与另一媒体排期表相对的成本。千人成本并非是广告主衡量媒体的唯一标准，只是为了对不同媒体进行衡量不得已而制定的一个相对指标。衡量一个媒体价值的数字。

(3)cpm算法扩展阅读：

缺陷

1、不同媒体的“独特性”

广告公司更愿意在同一媒体之内讨论这个问题（如30秒钟的有线电视广告等于30秒钟的普通电视广告），而不愿作跨媒体比较（如30秒钟的有线广告等于一个网上标题广告）。

同样是覆盖千个群体，一次 30 秒电视广告跟一个刊登在晚报上的平面广告，或者是一幅张贴在商场大堂的海报所达到的广告效果是截然不同的。

2、覆盖率数字的不可靠性

国内仍以电视收视研究最为全面，可计算特定目标群体被覆盖的人口数字。报刊平面广告则只有 ACNielsen所提供的主要城市的分析。至于其他媒体覆盖率的数字则大多是推算出来的约数（有些更由媒体提供），更别提按不同目标的受众进行推算，对其准确性应有一定保留。

3、展露概念不明确

每千人成本准则采用的展露概念，只是潜在的展露，而不是实际的展露。当某一广告刊登时，便可说有展露机会发生在所有受众上，但事实上，仅有一部分人注意到该广告，较少的人了解广告信息的内容，更少的人才留下正确的印象。

❹ 网络搜索引擎广告运作模式是什么

搜索引擎分类
搜索引擎按其工作方式主要可分为三种，分别是全文搜索引擎（Full Text Search Engine）、目录索引类搜索引擎（Search Index/Directory）和元搜索引擎（Meta Search Engine）。
全文搜索引擎
全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AllTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内着名的有网络（Bai）。它们都是通过从互联网上提取的各个网站的信息（以网页文字为主）而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户，因此他们是真正的搜索引擎。
从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序（Indexer），俗称“蜘蛛”（Spider）程序或“机器人”（Robot）程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如上面提到的7家引擎；另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。
目录索引
目录索引虽然有搜索功能，但在严格意义上算不上是真正的搜索引擎，仅仅是按目录分类的网站链接列表而已。用户完全可以不用进行关键词（Keywords）查询，仅靠分类目录也可找到需要的信息。目录索引中最具代表性的莫过于大名鼎鼎的Yahoo雅虎。其他着名的还有Open Directory Project（DMOZ）、LookSmart、About等。国内的搜狐、新浪、网易搜索也都属于这一类。
元搜索引擎(META Search Engine)
元搜索引擎在接受用户查询请求时，同时在其他多个引擎上进行搜索，并将结果返回给用户。着名的元搜索引擎有InfoSpace、Dogpile、Vivisimo等（元搜索引擎列表），中文元搜索引擎中具代表性的有搜星搜索引擎。在搜索结果排列方面，有的直接按来源引擎排列搜索结果，如Dogpile，有的则按自定的规则将结果重新排列组合，如Vivisimo。
除上述三大类引擎外，还有以下几种非主流形式：

集合式搜索引擎：如HotBot在2002年底推出的引擎。该引擎类似META搜索引擎，但区别在于不是同时调用多个引擎进行搜索，而是由用户从提供的4个引擎当中选择，因此叫它“集合式”搜索引擎更确切些。
门户搜索引擎：如AOL Search、MSN Search等虽然提供搜索服务，但自身即没有分类目录也没有网页数据库，其搜索结果完全来自其他引擎。
免费链接列表（Free For All Links，简称FFA）：这类网站一般只简单地滚动排列链接条目，少部分有简单的分类目录，不过规模比起Yahoo等目录索引来要小得多。
由于上述网站都为用户提供搜索查询服务，为方便起见，我们通常将其统称为搜索引擎。

搜索引擎基本工作原理

了解搜索引擎的工作原理对我们日常搜索应用和网站提交推广都会有很大帮助。
全文搜索引擎
在搜索引擎分类部分我们提到过全文搜索引擎从网站提取信息建立网页数据库的概念。搜索引擎的自动信息搜集功能分两种。一种是定期搜索，即每隔一段时间（比如Google一般是28天），搜索引擎主动派出“蜘蛛”程序，对一定IP地址范围内的互联网站进行检索，一旦发现新的网站，它会自动提取网站的信息和网址加入自己的数据库。
另一种是提交网站搜索，即网站拥有者主动向搜索引擎提交网址，它在一定时间内（2天到数月不等）定向向你的网站派出“蜘蛛”程序，扫描你的网站并将有关信息存入数据库，以备用户查询。由于近年来搜索引擎索引规则发生了很大变化，主动提交网址并不保证你的网站能进入搜索引擎数据库，因此目前最好的办法是多获得一些外部链接，让搜索引擎有更多机会找到你并自动将你的网站收录。
当用户以关键词查找信息时，搜索引擎会在数据库中进行搜寻，如果找到与用户要求内容相符的网站，便采用特殊的算法——通常根据网页中关键词的匹配程度，出现的位置/频次，链接质量等——计算出各网页的相关度及排名等级，然后根据关联度高低，按顺序将这些网页链接返回给用户。
目录索引
与全文搜索引擎相比，目录索引有许多不同之处。
首先，搜索引擎属于自动网站检索，而目录索引则完全依赖手工操作。用户提交网站后，目录编辑人员会亲自浏览你的网站，然后根据一套自定的评判标准甚至编辑人员的主观印象，决定是否接纳你的网站。
其次，搜索引擎收录网站时，只要网站本身没有违反有关的规则，一般都能登录成功。而目录索引对网站的要求则高得多，有时即使登录多次也不一定成功。尤其象Yahoo!这样的超级索引，登录更是困难。（由于登录Yahoo!的难度最大，而它又是商家网络营销必争之地，所以我们会在后面用专门的篇幅介绍登录Yahoo雅虎的技巧）
此外，在登录搜索引擎时，我们一般不用考虑网站的分类问题，而登录目录索引时则必须将网站放在一个最合适的目录（Directory）。
最后，搜索引擎中各网站的有关信息都是从用户网页中自动提取的，所以用户的角度看，我们拥有更多的自主权；而目录索引则要求必须手工另外填写网站信息，而且还有各种各样的限制。更有甚者，如果工作人员认为你提交网站的目录、网站信息不合适，他可以随时对其进行调整，当然事先是不会和你商量的。
目录索引，顾名思义就是将网站分门别类地存放在相应的目录中，因此用户在查询信息时，可选择关键词搜索，也可按分类目录逐层查找。如以关键词搜索，返回的结果跟搜索引擎一样，也是根据信息关联程度排列网站，只不过其中人为因素要多一些。如果按分层目录查找，某一目录中网站的排名则是由标题字母的先后顺序决定（也有例外）。
目前，搜索引擎与目录索引有相互融合渗透的趋势。原来一些纯粹的全文搜索引擎现在也提供目录搜索，如Google就借用Open Directory目录提供分类查询。而象 Yahoo! 这些老牌目录索引则通过与Google等搜索引擎合作扩大搜索范围。在默认搜索模式下，一些目录类搜索引擎首先返回的是自己目录中匹配的网站，如国内搜狐、新浪、网易等；而另外一些则默认的是网页搜索，如Yahoo。

搜索引擎的第三定律

搜索引擎走到今天，已经是一个结束过去，开辟未来的时候了。为了说清楚我所讲的第三定律，我们先来回顾一下第一和第二定律。
第一定律 相关性定律
听起来象是一篇学术论文，的确，就连第一，第二定律的提法以前也没有过，但是第一，第二定律的内容确早已在业界和学术界得到了公认。其实这第一定律是早在互联网出现之前就被学术界广泛研究过的，那就是所谓的相关性定律。这个领域那时叫情报检索，或信息检索，也有叫全文检索的。
那时的相关性都是基于词频统计的，也就是说，当用户输入检索词时，搜索引擎去找那些检索词在文章（网页）中出现频率较高的，位置较重要的，再加上一些对检索词本身常用程度的加权，最后排出一个结果来(检索结果页面) 。早期的搜索引擎结果排序都是基于本文的第一定律的，如Infoseek，Excite，Lycos等，它们基本上是沿用了网络时代之前学术界的研究成果，工业界的主要精力放在处理大访问量和大数据量上，对相关性排序没有突破。
词频统计其实根本没有利用任何跟网络有关的特性，是前网络时代的技术。然而，网络时代的主要文献是以网页的形式存在的，而几乎每个人都可以随心所欲地在网上发表各种内容，词频相同的两个网页，质量相差可以很远，可是按照搜索引擎的第一定律，对这两个网页的排序应该是一样的。为了能够派在某些检索结果的前几位，许多网页内容的制作者绞尽脑汁，在其页面上堆砌关键词，搜索引擎对此防不胜防，苦不堪言。这种情况到了 1996年开始有了改变。
第二定律 人气质量定律
1996年4月，我到赌城拉斯维加斯开一个有关信息检索方面的学术会议，会议的内容就象拉斯维加斯的天气一样，照例比较枯燥乏味。但远离公司的我，却难得有一个静下心来认真思考问题的机会。就在听一个毫不相干的论文演讲的时候，我突然把科学引文索引的机制跟Web上的超级链接联系起来了 - 感谢北大，她在我上大三的时候就教授了我科学引文索引的机制，美国恐怕没有一所大学会在你本科的时候教这玩艺儿。
科学引文索引的机制，说白了就是谁的论文被引用次数多，谁就被认为是权威，论文就是好论文。这个思路移植到网上就是谁的网页被链接次数多，那个网页就被认为是质量高，人气旺。在加上相应的链接文字分析，就可以用在搜索结果的排序上了。这就引出了搜索引擎的第二定律：人气质量定律。根据这一定律，搜索结果的相关性排序，并不完全依赖于词频统计，而是更多地依赖于超链分析。
我意识到这是一个突破性的东西，回去以后就很快总结了思路，于96年6月申请了这一方面的美国专利。1999年 7月6号，美国专利和商标局批准了专利号为5,920,859的，以我为唯一发明人的专利。大约在96年底，斯坦福大学计算机系的两位研究生也想到了同样的解决方法，他们后来创立了一个叫Google的搜索引擎，Google的网站上至今仍然说他们的这项技术是Patent-pending (专利申请中) ，不知道美国专利局是不是还会再批这样的专利。Anyway, 超链分析的方法98年以后逐渐被各大搜索引擎所接受，由于链接是网络内容的一个根本特性，这时候的搜索引擎才开始真正利用网络时代的检索技术。
世事难料，2000年起网络泡沫迅速破灭，各大搜索引擎要么遭人收购，要么推迟上市，所有使用人气质量定律的搜索引擎公司都未能幸免。那么，搜索引擎的出路到底在哪儿？
第三定律 自信心定律
人气质量定律解决的还是一个技术层面的问题，然而搜索引擎从诞生的那一天起，从来就不是一个纯技术现像，它融合了技术，文化，市场等各个层面的因素。解决搜索引擎公司的生存和发展问题需要搜索引擎的第三定律--自信心定律。
1998年的时候，没有太多的人拿一家远在硅谷500英里以外，刚刚成立的，叫作GoTo.com（现已更名为Overture）的公司当回事儿。它不过是买了一个搜索引擎的技术服务，然后再向那些网站的拥有者们拍卖他们网站在GoTo检索结果中的排名，谁付的钱多，谁的网站就排在前面，而且付费是根据网民点击该网站的情况来计算的，仅仅在搜索结果中出现并不需要付费。这就是自信心定律的最早实践者！根据这一定律，搜索结果的相关性排序，除了词频统计和超链分析之外，更注重的是竞价拍卖。谁对自己的网站有信心，谁就排在前面。有信心的表现就是愿意为这个排名付钱。需要声明的是，自信心定律也是我自己给这一模式起的名字，以前的文献中并没有人这样总结过。
今天，在网络业一片萧条，那斯达克风声鹤唳的时候，GoTo却如日中天，市值高达13亿美金，收入高达雅虎总收入的35%。反观门户网站，有哪一个能从它们的搜索引擎服务中赚出总收入的三分之一呢？究其原因，就是因为GoTo最早实践了搜索引擎的自信心定律。以前的搜索引擎都是靠CPM来收费的，而CPM是从传统广告业借鉴过来的，没有考虑网络媒体即时性，交互性，易竞价的特点，而竞价排名，点击收费则是为网站拥有者直接提供销售线索，而不是传统意义上的广告宣传。自信心定律一改过去搜索引擎靠CPM收钱的尴尬局面，开创了真正属于互联网的收费模式。
总的说，网络搜索引擎广告就是在网络或者是谷歌上购买关键字，来进行竞价排名。

❺ 如何计算CPM（每千人广告浏览费）

CPM不用计算，是明确标价的。

广告主为它的广告显示1000次所付的费用；如果一个Banner广告单价是￥10/CPM，意味着每被1000人次看到就收￥10；如此类推，每10000人次看到就是￥100；CPM是评估广告效果的指标之一。

可用于计算任何媒体，任何人口统计群体及任何总成本。它便利说明一种媒体与另一种媒体、一个媒体排期表与另一媒体排期表相对的成本。

(5)cpm算法扩展阅读

每千人成本准则采用的展露概念，只是潜在的展露，而不是实际的展露。当某一广告刊登时，便可说有展露机会发生在所有受众上，但事实上，仅有一部分人注意到该广告，较少的人了解广告信息的内容，更少的人才留下正确的印象。

所以，最全部的计算单位是目标受众的人数，而不是所有受众的总人数。这些目标受众不仅看到广告，而且被该广告所刺激。可是，这种单位的人数根本不可能估计出来。

千人成本忽略了不同媒体之间的印象与影响力等质上的差别。

即使两种媒体拥有同等数量的目标购买者，但在甲媒体（如霓虹灯）上做广告可能会比在乙媒体（宣传海报）上做广告更令人信服，更有名贵感，或在其他方面有更高的质量，这很可能就是由于甲媒体的设计质量及制作质量比乙媒体好。

❻ 广告投放中dcpm算法是什么意思

DSP普遍采用dCPM作为结算体系，dCPM指的是dynamic CPM，与目前网络广告市场长讲的CPM方式（此CPM相应的成为flat CPM）区别。dCPM基于RTB技术诞生，指的是每一次的impression出价是变化的。其每次出价均依据广告主广告投放的效果来实时计算，以得出对广告主最有利的价格，从而保证了广告主的利益。同时又因为以impression与媒体结算，也确保了媒体的收益。

❼ 求如下有向图的关键路径以及任意两点之间的最短距离

用CPM算法求有向图的关键路径和用Dijkstra算法求有向图的最短路径的C语言程序如下

#include <stdio.h>

#include <malloc.h>

#include <stdlib.h>

#include <string.h>

#define MAX 20

#define INF 32767 // 此处修改最大值

#define nLENGTH(a) (sizeof(a)/sizeof(a[0]))

#define eLENGTH(a) (sizeof(a)/sizeof(char))/(sizeof(a[0])/sizeof(char))

typedef struct _graph{

char vexs[MAX]; // 顶点集合

int vexnum; // 顶点数

int edgnum; // 边数

int matrix[MAX][MAX]; // 邻接矩阵

}Graph, *PGraph;

// 边的结构体

typedef struct _EdgeData{

char start; // 边的起点

char end; // 边的终点

int weight; // 边的权重

}EData;

//指向节点的位置

int point_node(PGraph g,char c){

for(int i=0;i<g->vexnum;i++){

if(g->vexs[i]==c){

return i;

}

}

return -1;

}

PGraph create_graph(int b[][3],char a[],int n,int e){

char c1,c2; //边的2个顶点

PGraph g; //矩阵

g=(PGraph)malloc(sizeof(Graph));

//memset()第一个参数 是地址，第二个参数是开辟空间的初始值，第三个参数是开辟空间的大小

memset(g, 0, sizeof(Graph));

printf("顶点个数: ");//顶点数

g->vexnum=n;

printf("%d ",g->vexnum);

printf("边个数: ");//边数

g->edgnum=e;

printf("%d ",g->edgnum);

//初始化顶点

for(int j=0;j<g->vexnum;j++){

g->vexs[j]=a[j];

}

for(int i=0;i<g->edgnum;i++){

int p1,p2;

c1=char(b[i][0]);

c2=char(b[i][1]);

p1=point_node(g, c1);

p2=point_node(g, c2);

if (p1==-1 || p2==-1){

printf("input error: invalid edge! ");

free(g);

continue;

}

g->matrix[p1][p2]=b[i][2];

}

for(int i=0;i<g->vexnum;i++){

for(int j=0;j<g->vexnum;j++){

if(g->matrix[i][j]==0)

g->matrix[i][j]=INF;

}

}

return g;

}

//关键路径的最短时间

//关键路径法（Critical Path Method，CPM）

void CPM_road(PGraph g){

int i,j;

int a[MAX]={0},b[MAX]={-10};

int max=0;//最长路径

for( i=0;i<g->vexnum;i++){//列数遍历

for( j=0;j<g->vexnum;j++){//行数遍历

//如果g->matrix[j][i]大于0，说明此顶点有前顶点，由前边的遍历可知，前顶点的最长路径a[j]，

//加上g->matrix[j][i]的路径就是当前a[i]的路径

if(g->matrix[j][i]!=INF && g->matrix[j][i]+a[j]>max){

max=g->matrix[j][i]+a[j];

a[i]=max;

}

}

max=0;

}

//显示最长路径

printf("第一个顶点到每一个顶点的最长路径:");

printf(" ");

for(i=0;i<g->vexnum;i++){

printf("V%d ",i+1);

}

printf(" ");

for(i=0;i<g->vexnum;i++){

printf("%d ",a[i]);

}

printf(" ");

printf("最后一个顶点到每个顶点的最长路径:");

for( i=g->vexnum-1;i>=0;i--){ //列数遍历

for( j=g->vexnum-1;j>=0;j--){ //行数遍历

//如果g->matrix[j][i]大于0，说明此顶点有前顶点，由前边的遍历可知，前顶点的最长路径a[j]，

//加上g->matrix[j][i]的路径就是当前a[i]的路径

if(g->matrix[i][j]!=INF && g->matrix[i][j]+b[j]>max){

max=g->matrix[i][j]+b[j];

b[i]=max;

}

}

max=0;

}

//显示最长路径

printf(" ");

for(i=0;i<g->vexnum;i++){

printf("V%d ",i+1);

}

printf(" ");

for(i=0;i<g->vexnum;i++){

printf("%d ",b[i]);

}

printf(" ");

printf("关键路径: ");

for(i=0;i<g->vexnum;i++){

if(a[i]==a[g->vexnum-1]-b[i]){

printf("V%c ",g->vexs[i]);

}

}

printf(" ");

}

void print_shortest_path(PGraph g,int* distance,int* path,int* used,int start,int end){

// 输出最短距离并打印最短路径

int i = 0, pre, inverse_path[g->vexnum];

char s1[3],s2[3];

sprintf(s1, "V%d", (start+1));

sprintf(s2, "V%d", (end+1));

printf("从%s顶点到%s顶点的最短距离: %d ", s1, s2, distance[end]);

inverse_path[i] = end;

pre = path[end];

if(pre == -1){

printf("没有通路! ");

}else{

while(pre != start){

inverse_path[++i] = pre;

pre = path[pre];

}

inverse_path[++i] = start;

printf("从%s顶点到%s顶点的最短路径: ", s1, s2);

for(; i > 0; i--){

sprintf(s1, "V%d", (inverse_path[i]+1));

printf("%s -> ", s1);

}

sprintf(s1, "V%d", (inverse_path[i]+1));

printf("%s ", s1);

}

return;

}

void shortest_path(PGraph g,int start, int end){ // 基于Dijkstra算法的最短路径函数

int distance[g->vexnum]; // 用于存放起始点到其余各点的最短距离

int path[g->vexnum]; // 用于存放起始点到其余各点最短路径的前一个顶点

int used[g->vexnum] = { 0 }; // 用于标记该顶点是否已经找到最短路径

int i, j, min_node, min_dis, pass_flag = 0;

for(i = 0; i < g->vexnum; i++){

distance[i] = g->matrix[start][i]; // 初始化距离数组

if(g->matrix[start][i] < INF){

path[i] = start; // 初始化路径数组

}else{

path[i] = -1;

}

}

used[start] = 1;

path[start] = start;

for(i = 0; i < g->vexnum; i++){

min_dis = INF;

for(j = 0; j < g->vexnum; j++){

if(used[j] == 0 && distance[j] < min_dis){

min_node = j;

min_dis = distance[j];

pass_flag++; // 标记是否存在通路

}

}

if(pass_flag != 0){

used[min_node] = 1;

for(j = 0; j < g->vexnum; j++){

if(used[j] == 0){

if(g->matrix[min_node][j] < INF && distance[min_node] + g->matrix[min_node][j] < distance[j]){

distance[j] = distance[min_node] + g->matrix[min_node][j];

path[j] = min_node;

}

}

}

}

}

print_shortest_path(g,distance, path, used, start, end);

return;

}

int main(){

int i,j;

PGraph gp;

char a[]={'1', '2', '3', '4', '5', '6', '7'};

int b[][3]={{'1', '2',3},

{'1', '3',2},

{'1', '4',6},

{'2', '4',2},

{'2', '5',4},

{'3', '4',1},

{'3', '6',3},

{'4', '5',1},

{'5', '7',3},

{'6', '7',4}};

int n=nLENGTH(a);

int e=eLENGTH(b);

gp=create_graph(b,a,n,e);

//打印邻接矩阵

printf("邻接矩阵: ");

for (i = 0; i < gp->vexnum; i++){

for (j = 0; j < gp->vexnum; j++)

printf("%d ", gp->matrix[j][i]);

printf(" ");

}

CPM_road(gp);

printf(" ");

for(i=0;i<gp->vexnum;i++){

for(j=0;j<gp->vexnum;j++){

if(i!=j)

shortest_path(gp,i, j);

}

}

return 0;

}

运行结果

❽ PERT图与甘特图的区别

gantt图又叫甘特图。
进度是按时间顺序计划活动的一个列表，我们称之为Gantt图，它有以下几个关键的成分：
1.横跨图顶部排列的是日历表。
2.最左边的一列包含了每项任务的标识号（ID）。
3.左边第二列是要做的任务的名称。
4.在图表当中，任务条表示各项任务计划的开始和结束时间。
5.在表的左下方是项目名称、进度表的作者和制订此进度的原始日期。

Gantt图是展现项目中各个任务进展状况的一种有用的工具。这种图表对于协调多种活动特别有用。

PERT（计划评审技术）--利用项目的网络图和各活动所需时间的估计值（通过加权平均得到的）去计算项目总时间。PERT不同于CPM的主要点在于PERT利用期望值而不是最可能的活动所需时间估计（在CPM法中用的）。PERT法如今很少应用，然类似PETR的估计方法常在CPM法中应用。

关键路线法（CPM）--借助网络图和各活动所需时间（估计值），计算每一活动的最早或最迟开始和结束时间。CPM法的关键是计算总时差，这样可决定哪一活动有最小时间弹性。CPM算法也在其它类型的数学分析中得到应用。

在PERT/CPM图中,一般包括以下的要素：任务 、 里程碑或开始和结束事件 、 任务间的依赖关系

一个PERT图显示了一个项目的图形解释，这种图是网络装的，由号码标记的节点组成，节点由带标签的带方向箭头的线段连接，展现项目中的事件或转折点，以及展现项目中的任务。带方向箭头的线段表示任务的先后顺序。例如，在PERT图中，在节点1，2，4，8和10之间的任务必须按顺序完成，这叫做系列任务的依存性。

❾ 淘宝开钻石展位，里面选择按点击收费还是选择按展现收费呢有什么区别

淘宝钻石展位根据用户自身需求选择点击收费或展现收费，两者的区别如下：

1、定义不同：

（1）按点击收费（CPC）：按照CPC竞价收费，展现免费，点击收费。

（2）按展现收费（CPM）：按照CPM竞价收费，按照每千次展现收费，点击不收费。

2、展示条件不同：

（1）按点击收费（CPC）：点击成本可控，折算后的CPM出价与其他商家进行竞争，价格高的优先展示。

（2）按展现收费（CPM）：精准化圈定人群， 按照竞价高低进行排名，价高者优先展现。

3、收费算法不同：

（1）按点击收费（CPC）：公式CPM=CPC*CTR*1000。竞价成功后，按照下一名CPM结算价格+0.1元作为实际扣费的CPM价格，根据公式换算成点击扣费CPC。根据公式CPM=CPC*CTR*1000，推算出CPC=CPM/1000/CTR。

（2）按展现收费（CPM）：实际扣费=按照下一名CPM结算价格+0.1。