翻阅着手中的稿纸，徐川眼眸中带着感兴趣的神色。
“.给定两个图g =( v g， e g ) g=(v_g，e_g)g=(v
g，e g)和h =( v h， e h ) h=(v_h，e_h)h=(v h，e h)。”
“若存在一种从g到h的映射: v g→ v h，满足：( v i )= v i′，( v j )= v′j”
“有点意思，没有走更广泛的p类问题方式，而是通过准多项式与映射函数来对同构模块进行切割。”
“这种方法有点类似于弱黎曼猜想的研究方式？”
看着手中的稿纸，徐川自言自语的念叨着。
图同构问题，其实通俗一点来说，它就是给定两个图，问它们是否一模一样。
而如何对给定的2个图检查它们是否同构，一模一样呢？
一种最方法是：简单地去比较每一个点来匹配另一个图中可能对应的所有节点。
但众所周知，图片是二维平面，一张图上具有‘无数’的点。
如果说，假设一张具有n个节点的图，按照这种匹配的计算方法，其匹配数量就为n的阶乘(1*2*3** n)，远远超过n的数量级。
假如图里只有10个节点，也已经需要三百六十多万次可能的匹配检查。（1*2*3*10）
而如果一张图有100个节点，可能的匹配数会远远的超过可见宇宙中的原子数。
所以这种比蛮力的方法非常不切实际，只适用于极少节点的图。
而从手上的稿纸来看，刘嘉欣在研究这个问题的时候，并没有将图同构问题全部带入进p=np类问题中。
她选择了通过准多项式与映射函数来对同构模块，对图像进行切割的同时，将这些‘对比点’看作是一块块的‘图像’。
然后模拟四色定理的方式，从第一张图的一些小节点开始，给它们每一个点“画”上不同的颜色。
然后再假设第二张图里有其-一对应的点，开始在其中寻找同构，并在找到后将这些对应节点标上相同的颜色。
该算法循环往复直到最终验证完所有可能的猜测。
这是一条比以往图同构难题更加高效率的算法，而其中的关键，就在于这些稿纸中的一项数学工具。
