【算法】【华为机试】 神经网络的最短执行时间：给出N个节点，每个节点的信息包含该节点执行时间、下一个节点列表，求神经网络的最短执行时间。

题目描述
给出N个节点，每个节点的信息包含该节点执行时间、下一个节点列表，求神经网络的最短执行时间。
假设深度学习模型是一个有向无环图。若算子A依赖算子B的输出，则当B执行完后才能计算A，如果没有依赖关系，则可并行执行，
计算每个网络所需要的最短时间。注意（算子索引从0开始）
有向无环图求拓扑排序。

示例
输入

7
A 10 1 2 3
B 9 3 4 5 
C 22 4 5
D 20
E 19
F 18 6
G 21

输出

71

A->C->F->G

其实是 最长路径 问题

从A出发，找其前序节点，发现无前序节点，记录A的前序节点为空，当前最大路径为10，记录 Array[A]=10从B出发，找前序节点，找到A，前序节点只有A，记录前序节点为A，当前最大路径为9+Array[A] = 19，记录Array[B] = 19从C出发，找前序节点，找到A，同理，记录Array[C]=22+Array[A]=32从D出发，找到前序节点，找到了前序节点A和B，Array[A]=10,Array[B]=19所以选最大的，选择前序节点B。从E出发，找到前序节点是B或者C，Array[B]从F出发，同理找到前序节点，并选择C，得到 18+32=50从G出发，前序节点是F，得到21+50=71

代码：

#include 

using namespace std;

void FindFront(int* nodes, int rows, int cols, int* fronts,int aim) {
	for (int i = 0; i < rows; i++)
	{
		for (int j = 0; j < cols; j++) {
			if (nodes[i*rows+j]==aim)
			{
				fronts[i] = 1; 
			}
			else if (nodes[i * rows + j] == -1)
			{
				break;
			}
		}
	}
}

struct nodeInfo {
	int index;
	int sum;
};
int MinActingTime(int* nodes, int rows, int cols) {
	if (nodes==nullptr||rows<=0||cols<=0)
	{
		return 0; // 处理异常情况
	}
	nodeInfo* maxArray = new nodeInfo[rows];
	for (int i = 0; i < rows; i++)
	{
		maxArray[i].index = -1;
		maxArray[i].sum = -1;
	} //初始化矩阵
	int maxSumAll = 0;

	int* fronts = new int[rows]; //建立一个front表，用于保存当前遍历节点的前序节点
	for (int i = 0; i < rows; i++)
	{
		for (int j = 0; j < rows; j++)
		{
			fronts[j] = 0;
		} //遍历一个节点前， 初始化front表数据
		FindFront(nodes, rows, cols, fronts, i);
		int maxFrontSum = -1;
		int maxFrontIndex = -1;
		for (int j = 0; j < rows; j++)
		{
			if (fronts[j]==1&&(maxArray[j].sum>maxFrontSum))
			{
				// 找到了前序节点，而且前序节点值比之前找到的前序节点还大，进行替换
				maxFrontSum = maxArray[j].sum;
				maxFrontIndex = j;
			}
		}
		if (maxFrontIndex==-1)
		{
			// 无前继节点的节点,最大值就是它自己
			maxArray[i].index = -1;
			maxArray[i].sum = nodes[i * rows];
			maxSumAll = maxArray[i].sum;
		}
		else {
			maxArray[i].index = maxFrontIndex;
			maxArray[i].sum = maxFrontSum + nodes[i * rows];
			if (maxSumAll 
原题目描述地址：神经网络的最短执行时间