经典证明:列表染色与可选择数(下)

1994年,Carsten Thomassen证明了所有平面图都是可5选择的。证明采用归纳法,并且需要假设平面图没有同属四块区域的交界点和中空的“洞”。归纳的命题比待证明的命题更强,即外围区域至少有三种颜色,内部区域则有五种颜色。
部署运行你感兴趣的模型镜像

    我们上次说到,不是所有的平面图都是可4选择的。于是人们接着猜想,是不是所有平面图都是可5选择的呢?1994年,Carsten Thomassen证明了,所有平面图都是可5选择的。这个证明极其简单,论文全文不足两页,证明过程仅十多行。证明对平面图中的区域数n施归纳。有趣的是,归纳的命题比我们待证明的命题要强得多,否则原命题反而证不到。
    为简便起见,我们假设平面图是一般的,它没有同属于四块区域的交界点,也没有中空的“洞”。加入这些条件不会让问题变得更简单,因此这些假设都是合理的。下面再假设最外面那一圈区域(与“外部空间”相邻的区域)有s个,它们彼此相连构成了一个环,我们按逆时针顺序把它们分别记为P_1, P_2, P_3, ..., P_s。无妨设P_1和P_2的颜色分别为1和2。下面我们证明一个比原命题更强的结论:若最外面那s个区域的颜色列表中至少有三个颜色,其余那些(被围在内部的)区域的颜色列表中有五个颜色,则一定存在合法的列表染色。当区域数n足够小时结论显然成立。


    考虑一般情况,如图1。我们标出P_s除了P_1和P_(s-1)以外的邻域,显然它们都是处于内部的、有五个候选颜色的区域。在图1中,s=11,P_11有三个处于内部的邻域T_1, T_2, T_3。现在,把P_11去掉,则剩下的图中P_1, P_2, ..., P_10, T_3, T_2, T_1就是新的外围环。注意P_11本来有至少三个颜色可选,除去P_1的颜色,至少还有两种不同的颜色x和y。从T_1, T_2, T_3各自的颜色列表中去掉x和y(如果有的话),这样它们的候选颜色数仍然大于等于3。根据归纳假设,剩下的图存在合法的列表染色。最后,只需要把x或y分配给P_11,使得它和P_10的颜色不同就行了。

    一种特殊情况是,万一哪一步我们得到的外围环不是一个单纯的环(如图2)该怎么办?这也很简单,因为我们总可以把它们分解成若干个小环,然后按顺序逐一套用归纳假设。例如在图2中,无妨设P_1和P_2的颜色是已知的,由归纳假设可知环P_1, P_2, ..., P_5, P_10及其内部存在合法的列表染色。这样,P_5和P_10的颜色就是确定的了,我们可以把归纳假设再次用于P_10, P_5, P_6, ..., P_9及其内部所组成的图形。

    可以注意到,我们证明了一个更强的命题其实是不得已而为之,如果直接拿待证命题进行归纳反而推不出结论,因为减少候选颜色必然会破坏掉“有五种颜色”的限制。

您可能感兴趣的与本文相关的镜像

Facefusion

Facefusion

AI应用

FaceFusion是全新一代AI换脸工具,无需安装,一键运行,可以完成去遮挡,高清化,卡通脸一键替换,并且Nvidia/AMD等显卡全平台支持

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 据准备:导入据,随机打乱,划分训练集和测试集(默认7:3)。 据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值