当前位置: 首页 > news >正文

【图论】重庆大学图论与应用课程期末复习资料2-各章考点(填空证明部分)(私人复习资料)

图论各章考点

  • 一、图与网络的基本概念
  • 二、树
  • 三、连通性
  • 四、路径算法
  • 五、匹配
  • 六、行遍性问题
  • 七、平面图

一、图与网络的基本概念

  1. 生成子图:生成子图 G ’ G’ G中顶点个数V’必须和原图G中V的数量相同,而 E ’ ∈ E E’∈E EE即可。
  2. 顶点集导出子图 V 1 ⊆ V V1⊆V V1V,以 V 1 V1 V1为顶点集,两个端点都在 V V V中的边为边集的 G G G的子图。
  3. 边集导出子图 E 1 ⊆ E E1⊆E E1E,以 E 1 E1 E1为边集, E 1 E1 E1的端点集为顶点集的图 G G G的子图。
  4. 简单图:既无环又无重边的图为简单图
  5. 完备图:任二顶点相邻的简单图,称为完备图,记为 K n K_n Kn其中n 为顶点的数目
  6. 二部图:一个图是偶图(二部图)当且当它不包含奇圈
  7. 握手定理:图 G = ( V , E ) G= (V, E) G=(V,E)中所有顶点的度的和等于边数m的2倍
  8. 同构:顶点集之间存在一一对应关系,边也有一一对应的关系,则称图 G G G H H H同构,有向图的同构对应边的方向要相同。必要条件 (1) 顶点数相同(2) 边数相同(3) 关联边数相同的顶点个数相同。

二、树

  1. :无圈连通图称为树
  2. 树充要条件 G G G无环且任何两个顶点之间有唯一的路径
  3. 树充要条件 G G G连通,且 e ( G ) = V ( G ) − 1 e(G)=V(G)-1 e(G)=V(G)1
  4. 树充要条件 G G G连通,且对 G G G的任一边 e , G − e e,G-e e,Ge不连通
  5. 生成树 G G G的边数最少的连通生成子图

三、连通性

  1. 点连通度:设 G G G连通, V ⊂ V ( G ) , G [ V − V ] V⊂V(G), G[V-V] VV(G),G[VV]不连通,则称 V V V G G G的点断集。最小点断集中顶点的个数称为 G G G的连通度记为 K ( G ) K(G) K(G),若 G G G无点断集,则规定 K ( G ) = n − 1 K(G)=n-1 K(G)=n1 平凡图、不连通图 = 0 平凡图、不连通图=0 平凡图、不连通图=0
  2. 边连通度:设 G G G连通, E ⊂ E ( G ) E⊂E(G) EE(G), G − E G-E GE(从 G G G中删除 E E E中的边)不连通,则称 E E E G G G的边断集。最小边断集所含的边数称为 G G G的边连通度记为 K ‘ ( G ) K‘(G) K(G),当 ∣ E ′ ∣ = 1 |E'|=1 E=1时,称E中的边 e e e为割边, 平凡图、不连通图 = 0 平凡图、不连通图=0 平凡图、不连通图=0
  3. k连通图:若一个图的连通度至少为 k k k,则称该图是 k k k连通的。于是,非平凡连通图均是 1 1 1连通的;图 G G G是2连通的当且仅当 G G G连通、无割点且至少含有 3 3 3个点。
  4. 点连通度、边连通度、最小度 K ( G ) < = K ′ ( G ) < = δ ( G ) K(G)<=K'(G)<=δ(G) K(G)<=K(G)<=δG
  5. 割边:设e是图G的一条边,若 ω ( G − e ) > ω ( G ) ω(G-e)>ω(G) ω(Ge)ω(G), 则称 e e e G G G的割边。 e e e是图 G G G的割边,当且仅当 e e e不在 G G G的任何圈中。
  6. 割点 v v v G G G的割点当且仅当 V ( G − v ) V(G-v) V(Gv)可划分为两个非空顶点子集 V 1 V_1 V1 V 2 V_2 V2,使 x ∈ V 1 , y ∈ V 2 x∈V_1,y∈V_2 xV1yV2,点v都在每一条 ( x , y ) (x, y) (x,y) 路上。
  7. 割集 [ S , S ′ ] [S, S'] [S,S]表示一个端点在 S S S,另一个端点在 S S S的全体边组成的集合,设 G G G连通,若 [ S , S ’ ] [S,S’] [S,S]只把 G G G断成两个分支,则称 [ S , S ′ ] [S, S'] [S,S] G G G的一个割集。
  8. 树和图:设 v v v是树的顶点,则 v v v G G G的割点当且仅当度 d ( v ) > = 2 d(v)>=2 d(v)>=2

习题15:去掉 e = ( u , v ) e= (u, v) e=(u,v) ,在 G − e G-e Ge u u u所在的分支仅有一个奇度顶点,与握手定理矛盾

习题16:反证法, e = ( u , v ) e= (u, v) e=(u,v) G − e G-e Ge u u u所在的分支 G 1 G_1 G1 G 1 G_1 G1为二部图,因为二部图所有子图均为二部图,则 Σ ( G 1 ) = k ∣ X 1 ∣ = k ∣ Y 1 ∣ − 1 = > k Σ(G_1)=k|X_1|=k|Y_1|-1=>k ΣG1=kX1=kY11=>k ( ∣ X 1 ∣ − ∣ Y 1 ∣ ) = 1 ( k > = 2 ) (|X_1|-|Y_1|)=1(k>=2) X1Y1=1k>=2,不成立

四、路径算法

  1. Floyd:复杂度 O ( n 3 ) O(n^3) On3

五、匹配

  1. 边独立集(匹配):如果 M M M是图 G G G的边子集(不含环),且 M M M中的任意两条边没有共同顶点,则称 M M M G G G的一个匹配
  2. 最大匹配:如果 M M M是图 G G G的包含边数最多的匹配,称 M M M G G G的一个最大匹配。特别是,若最大匹配饱和了 G G G的所有顶点,称它为 G G G的一个完美匹配(理想匹配)
  3. 二部图理想匹配:若 G G G k ( k > 0 ) k (k>0) k(k>0)正则偶图,则 G G G存在完美匹配
  4. 贝尔热定理 G G G的匹配 M M M是最大匹配,当且仅当 G G G不包含M可扩路
  5. Hall定理:二分图存在完美匹配当且仅当 ∀ S ⊆ A \forall S\subseteq A SA,都有 ∣ N ( S ) ∣ ⩾ ∣ S ∣ |N(S)|\geqslant |S| N(S)S
  6. 哥尼定理:在偶图中,最大匹配的边数等于最小覆盖的顶点数
  7. 托特定理:图 G G G有完美匹配当且仅当对V的任意非空真子集S, 有: (奇分支数目 ) ∣ o ( G − S ) ∣ ⩽ ∣ S ∣ (奇分支数目)|o(G-S)|\leqslant |S| (奇分支数目)o(GS)S

六、行遍性问题

  1. 欧拉巡回:经过 G G G的每边正好一次的巡回称为欧拉巡回
  2. 欧拉图:存在欧拉巡回的图称为欧拉图或E图
  3. 欧拉图的充要条件:连通、无奇度顶点
  4. 欧拉道路的充要条件:连通、最多只有两个奇度顶点
  5. 哈米尔顿路径:经过图 G G G每个顶点正好一次的路径,简称 H H H路径。
  6. 哈米尔顿图:经过 G G G的每个顶点正好一次的圈为H圈。含H圈的图称为哈米尔顿图或 H H H图。
  7. H图的必要条件 其 ∀ S ⊂ V , S ≠ ∅ ω ( G − S ) ≤ ∣ S ∣ 其 \forall S \subset V ,S \neq \varnothing \\ \omega ( G - S ) \leq | S | SVS=ω(GS)S

七、平面图

  1. 平面图:一个图若能在曲面 S S S上画出,使任两边在非顶点处不相交,则称此图可以在曲面 S S S上嵌人。可嵌入平面的图称为可嵌平面图,否则称为非平面图。可嵌平面图 G G G嵌人平面形成的图,称为 G G G的平面嵌入。
  2. 欧拉公式:设 G = ( n , m ) G=(n, m) G=(n,m)是连通平面图, ϕ \phi ϕ是G的面数, n − m + ϕ = 2 n - m + \phi = 2 nm+ϕ=2
  3. 平面图推论 G G G v > = 3 v>=3 v>=3的简单平面图, ε ≤ 3 v − 6 \varepsilon \leq 3 v - 6 ε3v6 δ ( G ) ≤ 5 \delta ( G ) \leq 5 δ(G)5
  4. 库拉托夫斯基定理:图 G G G是非可平面的,当且仅当它含有 K 5 K_5 K5 K 3 , 3 K_{3,3} K3,3细分的子图

相关文章:

【图论】重庆大学图论与应用课程期末复习资料2-各章考点(填空证明部分)(私人复习资料)

图论各章考点 一、图与网络的基本概念二、树三、连通性四、路径算法五、匹配六、行遍性问题七、平面图 一、图与网络的基本概念 生成子图&#xff1a;生成子图 G ’ G’ G’中顶点个数V’必须和原图G中V的数量相同&#xff0c;而 E ’ ∈ E E’∈E E’∈E即可。顶点集导出子图…...

基于Intel® AI Analytics Toolkits的智能视频监控系统

【oneAPI DevSummit & OpenVINODevCon联合黑客松】 跳转链接&#xff1a;https://marketing.csdn.net/p/d2322260c8d99ae24795f727e70e4d3d 目录 1方案背景 2方案描述 3需求分析 4技术可行性分析 5详细设计5.1数据采集 5.2视频解码与帧提取 5.3人脸检测 5.4行为识别…...

深度学习中的注意力机制:原理、应用与实践

深度学习中的注意力机制&#xff1a;原理、应用与实践 摘要&#xff1a; 本文将深入探讨深度学习中的注意力机制&#xff0c;包括其原理、应用领域和实践方法。我们将通过详细的解析和代码示例&#xff0c;帮助读者更好地理解和应用注意力机制&#xff0c;从而提升深度学习模…...

将本地项目推送到github

欢迎大家到我的博客浏览。将本地项目推送到github | YinKais Blog 本地项目上传至 GitHub<!--more--> 1、进入项目根目录&#xff0c;初始化本地仓库 git init 2、创建密钥&#xff1a;创建 .ssh 文件夹&#xff0c;并进入 .ssh 文件夹 mkdir .ssh cd .ssh/ 3、生成…...

[读论文]meshGPT

概述 任务&#xff1a;无条件生成mesh &#xff08;无颜色&#xff09;数据集&#xff1a;shapenet v2方法&#xff1a;先trian一个auto encoder&#xff0c;用来获得code book&#xff1b;然后trian一个自回归的transformermesh表达&#xff1a;face序列。face按规定的顺序&a…...

反序列化漏洞详解(一)

目录 一、php面向对象 二、类 2.1 类的定义 2.2 类的修饰符介绍 三、序列化 3.1 序列化的作用 3.2 序列化之后的表达方式/格式 ① 简单序列化 ② 数组序列化 ③ 对象序列化 ④ 私有修饰符序列化 ⑤ 保护修饰符序列化 ⑥ 成员属性调用对象 序列化 四、反序列化 …...

键盘打字盲打练习系列之指法练习——2

一.欢迎来到我的酒馆 盲打&#xff0c;指法练习&#xff01; 目录 一.欢迎来到我的酒馆二.开始练习 二.开始练习 前面一个章节简单地介绍了基准键位、字母键位和数字符号键位指法&#xff0c;在这个章节详细介绍指法。有了前面的章节的基础练习&#xff0c;相信大家对盲打也有了…...

小程序----使用图表显示数据--canvas

需求&#xff1a;在小程序上实现数据可视化 思路&#xff1a;本来想用的是echarts或者相关的可视化插件&#xff0c;但因为用的是vue3&#xff0c;大多数插件不支持&#xff0c;所以用了echarts&#xff0c;但最后打包的时候说包太大超过2M无法上传&#xff0c;百度了一下&…...

⭐ Unity 开发bug —— 打包后shader失效或者bug (我这里用Shader做两张图片的合并发现了问题)

1.这里我代码没啥问题~~~编辑器里也没毛病 void Start(){// 加载底图和上层图片string backgroundImagePath Application.streamingAssetsPath "/background.jpg";Texture2D backgroundTexture new Texture2D(2, 2);byte[] backgroundImageData System.IO.File.R…...

document

原贴连接 1.在整个文档范围内查询元素节点 功能API返回值根据id值查询document.getElementById(“id值”)一个具体的元素节根据标签名查询document.getElementsByTagName(“标签名”)元素节点数组根据name属性值查询document.getElementsByName(“name值”)元素节点数组根据类…...

NodeJS(二):npm包管理工具、yarn、npx、pnpm工具等

目录 (一)npm包管理工具 1.了解npm 2.npm的配置文件 常见的配置属性 scripts属性*** 依赖的版本管理 3.npm安装包的细节 4.package-lock文件 5.npm install原理** 6.npm的其他命令 (二) 其他包管理工具 1.yarn工具 基本指令 2.cnpm工具 3.npx工具 (1)执行本地…...

day3 移出链表中值为x的节点

ListNode* removeElements(ListNode* head, int val) { ListNode* dummyHead new ListNode(0); // 设置一个虚拟头结点 dummyHead->next head; // 将虚拟头结点指向head&#xff0c;这样方便后面做删除操作 ListNode* cur dummyHead; while (cur->next ! NULL…...

浅谈 Guava 中的 ImmutableMap.of 方法的坑

作者&#xff1a;明明如月学长&#xff0c; CSDN 博客专家&#xff0c;大厂高级 Java 工程师&#xff0c;《性能优化方法论》作者、《解锁大厂思维&#xff1a;剖析《阿里巴巴Java开发手册》》、《再学经典&#xff1a;《EffectiveJava》独家解析》专栏作者。 热门文章推荐&…...

Symbol()和迭代器生成器

目录 1、Symbol&#xff08;&#xff09; 2、迭代器生成器 执行流程 模拟生成器函数 for of 遍历迭代选择器 yield * Generator函数应用 1、Symbol&#xff08;&#xff09; Symbol表示独一无二的值 const s1 Symbol(a)const s2 Symbol(a)console.log(s1 s2) // fa…...

USB Type-C的基本原理

1 USB Type-C的基本原理 1.1 基本特性 Figure 1-1 USB Type-C接头外形 USB Type-C&#xff08;简称USB-C&#xff09;的基本特性&#xff1a; 1. 接口插座的尺寸与原来的Micro-USB规格一样小&#xff0c;约为8.3mm X 2.5mm 2. 可承受1万次反复插拔 3. 支持正反均可插入的“正反…...

HarmonyOS开发(八):动画及网络

1、动画概述 在ArkUI中&#xff0c;产生动画的方式是改变组件属性值并且指定相关的动画参数。当属性值发生变化后&#xff0c;按照动画参数&#xff0c;从原来的状态过渡到新的状态&#xff0c;就形成一个动画。 动画的相关参数如下&#xff1a; 属性名称 属性类型 默认值 …...

Pinctrl子系统和GPIO子系统

Pinctrl子系统&#xff1a; 借助Princtr子系统来设置一个Pin的复用和电气属性&#xff1b; pinctrl子系统主要做的工作是&#xff1a;1. 获取设备树中的PIN信息&#xff1b;2.根据获取到的pin信息来设置的Pin的复用功能&#xff1b;3.根据获取到的pin信息去设置pin的电气特性…...

Unittest单元测试框架之unittest构建测试套件

构建测试套件 在实际项目中&#xff0c;随着项目进度的开展&#xff0c;测试类会越来越多&#xff0c;可是直到现在我 们还只会一个一个的单独运行测试类&#xff0c;这在实际项目实践中肯定是不可行的&#xff0c;在 unittest中可以通过测试套件来解决该问题。 测试套件&…...

Django回顾4

一.过滤器 1.过滤器格式 {{变量|过滤器名字}} 2.怎么使用 1.注册app 2.在app下创建templatetags模块&#xff08;模块名只能是templatetags&#xff09; 3.在包下写一个py文件&#xff0c;随便命名 4.在py文件中写入&#xff1a;from django import template …...

Apache APISIX 体验指南

APISIX 体验指南 所有的 sh 脚本通过 git bash 执行。 出现错误仔细核对文档。 github 地址&#xff1a; 使用 docker 安装 apisix 确保本地安装 Docker 和 Docker-compose 如未安装参开以下文档安装&#xff1a; Docker&#xff1a;https://docs.docker.com/engine/install/c…...

在鸿蒙HarmonyOS 5中实现抖音风格的点赞功能

下面我将详细介绍如何使用HarmonyOS SDK在HarmonyOS 5中实现类似抖音的点赞功能&#xff0c;包括动画效果、数据同步和交互优化。 1. 基础点赞功能实现 1.1 创建数据模型 // VideoModel.ets export class VideoModel {id: string "";title: string ""…...

循环冗余码校验CRC码 算法步骤+详细实例计算

通信过程&#xff1a;&#xff08;白话解释&#xff09; 我们将原始待发送的消息称为 M M M&#xff0c;依据发送接收消息双方约定的生成多项式 G ( x ) G(x) G(x)&#xff08;意思就是 G &#xff08; x ) G&#xff08;x) G&#xff08;x) 是已知的&#xff09;&#xff0…...

FastAPI 教程:从入门到实践

FastAPI 是一个现代、快速&#xff08;高性能&#xff09;的 Web 框架&#xff0c;用于构建 API&#xff0c;支持 Python 3.6。它基于标准 Python 类型提示&#xff0c;易于学习且功能强大。以下是一个完整的 FastAPI 入门教程&#xff0c;涵盖从环境搭建到创建并运行一个简单的…...

Cilium动手实验室: 精通之旅---20.Isovalent Enterprise for Cilium: Zero Trust Visibility

Cilium动手实验室: 精通之旅---20.Isovalent Enterprise for Cilium: Zero Trust Visibility 1. 实验室环境1.1 实验室环境1.2 小测试 2. The Endor System2.1 部署应用2.2 检查现有策略 3. Cilium 策略实体3.1 创建 allow-all 网络策略3.2 在 Hubble CLI 中验证网络策略源3.3 …...

Python实现prophet 理论及参数优化

文章目录 Prophet理论及模型参数介绍Python代码完整实现prophet 添加外部数据进行模型优化 之前初步学习prophet的时候&#xff0c;写过一篇简单实现&#xff0c;后期随着对该模型的深入研究&#xff0c;本次记录涉及到prophet 的公式以及参数调优&#xff0c;从公式可以更直观…...

生成 Git SSH 证书

&#x1f511; 1. ​​生成 SSH 密钥对​​ 在终端&#xff08;Windows 使用 Git Bash&#xff0c;Mac/Linux 使用 Terminal&#xff09;执行命令&#xff1a; ssh-keygen -t rsa -b 4096 -C "your_emailexample.com" ​​参数说明​​&#xff1a; -t rsa&#x…...

Neo4j 集群管理:原理、技术与最佳实践深度解析

Neo4j 的集群技术是其企业级高可用性、可扩展性和容错能力的核心。通过深入分析官方文档,本文将系统阐述其集群管理的核心原理、关键技术、实用技巧和行业最佳实践。 Neo4j 的 Causal Clustering 架构提供了一个强大而灵活的基石,用于构建高可用、可扩展且一致的图数据库服务…...

工业自动化时代的精准装配革新:迁移科技3D视觉系统如何重塑机器人定位装配

AI3D视觉的工业赋能者 迁移科技成立于2017年&#xff0c;作为行业领先的3D工业相机及视觉系统供应商&#xff0c;累计完成数亿元融资。其核心技术覆盖硬件设计、算法优化及软件集成&#xff0c;通过稳定、易用、高回报的AI3D视觉系统&#xff0c;为汽车、新能源、金属制造等行…...

自然语言处理——Transformer

自然语言处理——Transformer 自注意力机制多头注意力机制Transformer 虽然循环神经网络可以对具有序列特性的数据非常有效&#xff0c;它能挖掘数据中的时序信息以及语义信息&#xff0c;但是它有一个很大的缺陷——很难并行化。 我们可以考虑用CNN来替代RNN&#xff0c;但是…...

Caliper 配置文件解析:config.yaml

Caliper 是一个区块链性能基准测试工具,用于评估不同区块链平台的性能。下面我将详细解释你提供的 fisco-bcos.json 文件结构,并说明它与 config.yaml 文件的关系。 fisco-bcos.json 文件解析 这个文件是针对 FISCO-BCOS 区块链网络的 Caliper 配置文件,主要包含以下几个部…...