详细内容或原文请订阅后点击阅览
可以看到的图形着色
Visual intuition with PythonThe post Graph Coloring You Can See 首先出现在Towards Data Science 上。
来源:走向数据科学简介
是为图形元素分配颜色的计算任务，以便相邻元素永远不会共享相同的颜色。它在多个领域都有应用，包括体育赛事安排、制图、街道地图导航和时间表。它也具有重要的理论意义，并且是大学图论、算法和组合学课程中的标准科目。
图是一种由一组节点组成的数学结构，其中一些节点对通过边连接。给定任何图，
这些概念的示例如上图所示。在最后一个示例中观察到，面着色需要将节点排列在平面上，以便图形的边缘不会相交。因此，它们仅适用于平面图。相反，所有图都可以使用节点和边着色。目的是找到使用最少（最佳）颜色数量的着色，这通常是一个 NP 困难问题。
本论坛中的文章（此处、此处和此处）之前曾考虑过图形着色，主要关注节点着色问题的建设性启发式方法。在本文中，我们考虑节点、边缘和面着色，并寻求通过详细、视觉上引人入胜的示例将主题生动化。为此，我们利用新创建的 GCol，这是一个构建在 NetworkX 之上的开源 Python 库。该库同时使用指数时间精确算法和多项式时间启发式算法。