【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: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 E’∈E即可。
- 顶点集导出子图: V 1 ⊆ V V1⊆V V1⊆V,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。
- 边集导出子图: E 1 ⊆ E E1⊆E E1⊆E,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。
- 简单图:既无环又无重边的图为简单图
- 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
- 二部图:一个图是偶图(二部图)当且当它不包含奇圈
- 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
- 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与 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
- 树:无圈连通图称为树
- 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
- 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
- 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,G−e不连通
- 生成树: G G G的边数最少的连通生成子图
三、连通性
- 点连通度:设 G G G连通, V ⊂ V ( G ) , G [ V − V ] V⊂V(G), G[V-V] V⊂V(G),G[V−V]不连通,则称 V V V为 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)=n−1, 平凡图、不连通图 = 0 平凡图、不连通图=0 平凡图、不连通图=0
- 边连通度:设 G G G连通, E ⊂ E ( G ) E⊂E(G) E⊂E(G), G − E G-E G−E(从 G G G中删除 E E E中的边)不连通,则称 E E E是 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
- 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。
- 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)<=δ(G)
- 割边:设e是图G的一条边,若 ω ( G − e ) > ω ( G ) ω(G-e)>ω(G) ω(G−e)>ω(G), 则称 e e e为 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。
- 割点: v v v是 G G G的割点当且仅当 V ( G − v ) V(G-v) V(G−v)可划分为两个非空顶点子集 V 1 V_1 V1与 V 2 V_2 V2,使 x ∈ V 1 , y ∈ V 2 x∈V_1,y∈V_2 x∈V1,y∈V2,点v都在每一条 ( x , y ) (x, y) (x,y) 路上。
- 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′]为 G G G的一个割集。
- 树和图:设 v v v是树的顶点,则 v v v是 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 G−e中 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 G−e中 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 Σ(G1)=k∣X1∣=k∣Y1∣−1=>k, ( ∣ X 1 ∣ − ∣ Y 1 ∣ ) = 1 ( k > = 2 ) (|X_1|-|Y_1|)=1(k>=2) (∣X1∣−∣Y1∣)=1(k>=2),不成立
四、路径算法
- Floyd:复杂度 O ( n 3 ) O(n^3) O(n3)
五、匹配
- 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是 G G G的一个匹配
- 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是 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)
- 二部图理想匹配:若 G G G是 k ( k > 0 ) k (k>0) k(k>0)正则偶图,则 G G G存在完美匹配
- 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
- Hall定理:二分图存在完美匹配当且仅当 ∀ S ⊆ A \forall S\subseteq A ∀S⊆A,都有 ∣ N ( S ) ∣ ⩾ ∣ S ∣ |N(S)|\geqslant |S| ∣N(S)∣⩾∣S∣
- 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
- 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(G−S)∣⩽∣S∣
六、行遍性问题
- 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
- 欧拉图:存在欧拉巡回的图称为欧拉图或E图
- 欧拉图的充要条件:连通、无奇度顶点
- 欧拉道路的充要条件:连通、最多只有两个奇度顶点
- 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。
- 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。
- 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 | 其∀S⊂V,S=∅ω(G−S)≤∣S∣
七、平面图
- 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。
- 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 n−m+ϕ=2
- 平面图推论: G G G是 v > = 3 v>=3 v>=3的简单平面图, ε ≤ 3 v − 6 \varepsilon \leq 3 v - 6 ε≤3v−6, δ ( G ) ≤ 5 \delta ( G ) \leq 5 δ(G)≤5
- 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或 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: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 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: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:原理、应用与实践 摘要: 本文将深入探讨深度学习中的注意力机制,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,帮助读者更好地理解和应用注意力机制,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,初始化本地仓库 git init 2、创建密钥:创建 .ssh 文件夹,并进入 .ssh 文件夹 mkdir .ssh cd .ssh/ 3、生成…...

[读论文]meshGPT
概述 任务:无条件生成mesh (无颜色)数据集:shapenet v2方法:先trian一个auto encoder,用来获得code book;然后trian一个自回归的transformermesh表达: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,指法练习! 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,在这个章节详细介绍指法。有了前面的章节的基础练习,相信大家对盲打也有了…...

小程序----使用图表显示数据--canvas
需求:在小程序上实现数据可视化 思路:本来想用的是echarts或者相关的可视化插件,但因为用的是vue3,大多数插件不支持,所以用了echarts,但最后打包的时候说包太大超过2M无法上传,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,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:明明如月学长, CSDN 博客专家,大厂高级 Java 工程师,《性能优化方法论》作者、《解锁大厂思维:剖析《阿里巴巴Java开发手册》》、《再学经典:《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() 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() 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(简称USB-C)的基本特性: 1. 接口插座的尺寸与原来的Micro-USB规格一样小,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,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,按照动画参数,从原来的状态过渡到新的状态,就形成一个动画。 动画的相关参数如下: 属性名称 属性类型 默认值 …...

Pinctrl子系统和GPIO子系统
Pinctrl子系统: 借助Princtr子系统来设置一个Pin的复用和电气属性; pinctrl子系统主要做的工作是:1. 获取设备树中的PIN信息;2.根据获取到的pin信息来设置的Pin的复用功能;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,随着项目进度的开展,测试类会越来越多,可是直到现在我 们还只会一个一个的单独运行测试类,这在实际项目实践中肯定是不可行的,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(模块名只能是templatetags) 3.在包下写一个py文件,随便命名 4.在py文件中写入: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: 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: Docker: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,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:(白话解释) 我们将原始待发送的消息称为 M M M,依据发送接收消息双方约定的生成多项式 G ( x ) G(x) G(x)(意思就是 G ( x ) G(x) G(x) 是已知的)࿰…...
FastAPI 教程:从入门到实践
FastAPI 是一个现代、快速(高性能)的 Web 框架,用于构建 API,支持 Python 3.6。它基于标准 Python 类型提示,易于学习且功能强大。以下是一个完整的 FastAPI 入门教程,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,写过一篇简单实现,后期随着对该模型的深入研究,本次记录涉及到prophet 的公式以及参数调优,从公式可以更直观…...
生成 Git SSH 证书
🔑 1. 生成 SSH 密钥对 在终端(Windows 使用 Git Bash,Mac/Linux 使用 Terminal)执行命令: ssh-keygen -t rsa -b 4096 -C "your_emailexample.com" 参数说明: -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,作为行业领先的3D工业相机及视觉系统供应商,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,通过稳定、易用、高回报的AI3D视觉系统,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,它能挖掘数据中的时序信息以及语义信息,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,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…...