图论相关概念

简介: 图论相关概念

一、基本概念

  • 区别于集合:边集可以重复
  • G = (V,E),教材中的另一个对应关系的参数不重要
  • V(G) 顶点集
  • E(G) 边集合
  • 关联:指顶点与边相连
  • 相邻:点与点 边与边
  • 重边:
  • 有限图:边数顶点数都是有限的图
  • 平凡图:顶点只有一个的图:不一定没有边,环也有可能
  • 简单图:不含重边和环的图
  • 平面图:可以用画在纸上的图,且各条边只在顶点处相交
  • 同构:边与点数目相同,对应关系相对而言相同,即不做标记的图可以是同构,只是记号改变的图
  • 完全图:每个顶点都与其他顶点相连
  • 二部图:顶点集合分成两部分
  • 完全二部图:顶点集合分成两部分,每一部分中的顶点都与另一部分中的任何一个顶点相连

二、图与子图

关联矩阵与邻接矩阵

$M(G)=[m_{ij}]$ $v_i与e_j关联次数$ 环为2

$A(G)=[G_{ij}]$ $a_{ij}表示v_i与v_j相关联的次数$

三、度的相关定理

$\sum_{v\in V}d_G(v)=2\epsilon$

环算两条边

$\delta(G)最小度$

$\Delta(G)最大度$

$\delta(G)=\Delta(G)=k$ 称为k正则图

四、一个常用的证明方法

介绍一个常用的证明方法:贡献法

左边变化等于右边变化则证明相等,有点类似与归纳法

证明:$\sum_{v\in V}d_G(v)=2\epsilon$

可以一开始取$\epsilon=1$ 显然等式成立,然后变化的时候两个等式相同即证明等式成立

推论:在任何图中,奇度点个数总等于偶数

这个比较容易证明,考虑以下等式即可证明

$V_1\rightarrow 奇度$

$V_2\rightarrow 偶度$

$\sum_{v\in V_1}d(v)+\sum_{v\in V_2}d(v)=\sum_{v\in V}d(v)$

五、途径、迹、路

途径:点边交替出现的序列,点边都是可以重复的

$w=v_0 e_1 v_1 e_2 ...e_k v_k$

简单图中$w$ 的顶点序列可以唯一确定一条途径,所以可以省略边不写

迹:$w$ 中边互不相同

路:$w$ 中的点互不相同当然边肯定也互不相同

途径一定会包括路和迹

迹和路一定是途径而途径不一定是路和迹

六、圈

一条起点和内部顶点互不相同的闭迹

定理:

一个圈是二部图当且仅当它不包含奇圈

目录
相关文章
|
9月前
|
网络安全
如何删除Debian中的用户?删除Debian用户方法
本期分享如何删除Debian系统中的用户帐户,包含两种方法:仅删除用户或同时删除用户及其关联文件(使用`userdel`与`userdel -r`命令)。操作前请通过SSH登录服务器,并建议进行系统快照备份以防数据丢失。作为root或sudo用户执行命令时,请将实际用户名替换到命令中。
322 2
|
算法 Java 数据安全/隐私保护
国密加密算法简介
国密指国家密码局认定的国产密码算法,主要包括SM1、SM2、SM3、SM4等,并持续完善。SM1是对称加密算法,加密强度与AES相当,需加密芯片支持;SM2是非对称加密,基于ECC算法,签名和密钥生成速度优于RSA;SM3为杂凑算法,安全性高于MD5;SM4为对称加密算法,用于无线局域网标准。本文提供使用Java和SpringBoot实现SM2和SM4加密的示例代码及依赖配置。更多国密算法标准可参考国家密码局官网。
2323 1
|
机器学习/深度学习 Dart 算法
机器学习实战 | LightGBM建模应用详解
本篇详细讲解LightGBM的工程应用方法。LightGBM是微软开发的boosting集成模型,和XGBoost一样是对GBDT的优化和高效实现,但它很多方面比XGBoost有着更为优秀的表现。
10277 105
机器学习实战 | LightGBM建模应用详解
|
机器学习/深度学习 人工智能 搜索推荐
深度学习在医疗影像诊断中的应用与前景####
本文深入探讨了深度学习技术在医疗影像诊断领域的应用现状、面临的挑战以及未来发展趋势。通过分析卷积神经网络(CNN)等深度学习模型在处理复杂医学图像时的优势,结合具体案例,如癌症早期检测、疾病分类及分割等方面取得的显著成果,展示了深度学习如何革新传统医疗影像分析方法。同时,文章也指出了数据隐私保护、模型解释性不足、临床集成难度大等问题,并展望了联邦学习、可解释AI、多模态融合等技术在解决这些问题上的潜力,为推动深度学习在医疗健康领域的更广泛应用提供了思路。 ####
772 0
|
人工智能 Serverless 文件存储
“黏土风格”轻松拿捏,基于函数计算部署 ComfyUI实现AI生图
使用阿里云函数计算FC,快速部署AI绘画工具ComfyUI,体验高质量图像生成。新用户可享180元试用额度,包括GPU、vCPU、内存和调用次数。开通FC和文件存储NAS,通过应用中心选择ComfyUI模板创建应用。
48291 8
“黏土风格”轻松拿捏,基于函数计算部署 ComfyUI实现AI生图
|
存储 JSON 关系型数据库
mysql中find_in_set()函数用法详解及增强函数
总结而言,`FIND_IN_SET()`是MySQL中处理由逗号分隔的字符串列表的一种便捷方法,尤其适用于列表相对较短且不经常更改的场景。然而,对于更为复杂的需要高性能和可扩展性的数据库设计,它可能不是最优选择,应考虑使用更加正规化的数据库结构。
2043 2
mysql中find_in_set()函数用法详解及增强函数
|
机器学习/深度学习 弹性计算 人工智能
动态分享 | 看看阿里云和伙伴们,最近都在做什么?
动态分享 | 看看阿里云和伙伴们,最近都在做什么?
791 0
|
SQL 关系型数据库 MySQL
如何查看本地公网 IP 地址?
如何找到本地的公网IP?这篇文章帮到你。
1179 3
|
网络协议 Java API
TCP/IP协议以及UDP(超详细,看这一篇就够了)
TCP/IP协议以及UDP(超详细,看这一篇就够了)
1082 0