采用邻接表存储，实现关键路径算法具体代码

关键路径算法是一种用于确定项目完成所需时间的技术，其重点在于找出各个活动的最早开始时间、最晚开始时间、总时差和自由时差。在实现时采用邻接表存储有向无环图（DAG），具体代码如下：

from collections import defaultdict

class Graph:
    def __init__(self, vertices):
        self.graph = defaultdict(list)
        self.vertices = vertices
        self.indegree = [0] * vertices
        self.topo_order = []
        self.start_time = [0] * vertices
        self.end_time = [0] * vertices
        self.critical_path = []

    def add_edge(self, u, v, weight):
        self.graph[u].append((v, weight))
        self.indegree[v] += 1

    def get_indegree(self, v):
        return self.indegree[v]

    def get_topo_order(self):
        return self.topo_order

    def get_start_time(self, v):
        return self.start_time[v]

    def get_end_time(self, v):
        return self.end_time[v]

    def get_critical_path(self):
        return self.critical_path

    def topological_sort(self):
        queue = []
        for i in range(self.vertices):
            if self.indegree[i] == 0:
                queue.append(i)

        while queue:
            u = queue.pop(0)
            self.topo_order.append(u)

            for v, weight in self.graph[u]:
                self.indegree[v] -= 1
                if self.indegree[v] == 0:
                    queue.append(v)
                    self.start_time[v] = max(self.start_time[v], self.end_time[u])
                self.end_time[u] = max(self.end_time[u], self.start_time[u] + weight)

    def find_critical_path(self):
        for u in range(self.vertices):
            for v, weight in self.graph[u]:
                if self.start_time[u] + weight == self.start_time[v]:
                    self.critical_path.append((u, v, weight))

if __name__ == '__main__':
    g = Graph(7)
    g.add_edge(0, 1, 3)
    g.add_edge(0, 2, 2)
    g.add_edge(1, 3, 4)
    g.add_edge(2, 3, 2)
    g.add_edge(3, 4, 4)
    g.add_edge(3, 5, 3)
    g.add_edge(4, 6, 2)
    g.add_edge(5, 6, 1)

    g.topological_sort()
    g.find_critical_path()

    print("Topological order:", g.get_topo_order())
    print("Start time:", g.start_time)
    print("End time:", g.end_time)
    print("Critical path:", g.get_critical_path())

在上述代码中，我们首先定义了一个 Graph 类，其中包含邻接表、顶点数、每个顶点的入度、拓扑排序后的顺序、每个顶点的最早开始时间、最晚开始时间、关键路径等信息。然后定义了一些方法，包括添加边、获取入度、获取拓扑排序后的顺序、获取最早开始时间、最晚开始时间和关键路径等。其中，topological_sort() 方法实现了拓扑排序，find_critical_path() 方法实现了查找关键路径。

在主函数中，我们定义了一个 7 个顶点的 DAG，并添加了各个顶点之间的边。然后调用 topological_sort() 方法进行拓扑排序，再调用 find_critical_path() 方法查找关键路径。最后输出了拓扑排序后的顺序、每个顶点的最早开始时间、最晚开始时间和关键路径等信息。