p=Np？猜想這一千禧年難題是計算機數學領域中的核心。
整個問題可以拆分成N個次級難題，而這其中最出名的有四個。
分彆是大正整數因子分解問題、圖同構問題、離散對數問題、曼哈頓網絡問題。
其中大數分解問題和圖同構問題和最為著名，因為這兩個問題的解決涉及密碼學和複雜性理論的很多基本問題。
解決了它們，能夠極大的促進計算機科學、算法等方麵的發展。
其他的不說，就像智能駕駛這一塊，環境感知和決策算法是自動駕駛汽車實現智能行駛的關鍵。
環境感知算法通過車載傳感器和攝像頭來獲取道路、障礙物、交通標誌等信息，並進行感知和建模。
而決策算法則根據環境感知的結果，做出行車路徑規劃、交流協調、避讓決策等操作。
這些算法通常涉及到多傳感器融合、狀態估計、機器學習等多種技術。
更需要運用矩陣運算、圖像變換、最優化理論、統計學等大量的數學模型和算法來實現智能決策。
比如圖同構理論，儘管目前來說它依舊麵臨著諸多挑戰，但圖像處理、視頻分析、尋找最優路徑、網絡流算法、高效避障礙等領域有著眾多的應用。
數學工具上的突破，給AI智駕的算法判斷帶來了更先進高效的計算法方式。
這也是川海網絡科技公司那邊的智能駕駛能夠快速的在短短兩三年的時間內，就追上其他早已經深入布局的企業的原因。
.......
辦公室中，聽到徐川詢問圖同構方麵的研究和稿紙，劉嘉欣笑了笑，從隨身攜帶的背包中取出來了整理過後的稿紙。
她就知道徐川的注意力肯定會集中在這個上麵，所以提前就準備好了。
“我看看。”
看到稿紙，徐川迫不及待的伸手接了過來。
的確，相對比智駕領域的突破，他更在意圖同構難題上的研究。
這涉及到一個千禧年難題的答案，也涉及到更多的應用領域。
智駕，隻是它的一部分應用而已。
翻閱著手中的稿紙，徐川眼眸中帶著感興趣的神色。
“...給定兩個圖G=(VG，EG)G=(V_G，E_G)G=(V
G，EG)和h=(Vh，Eh)h=(V_h，E_h)h=(Vh，Eh)。”
“若存在一種從G到h的映射?:VG→Vh，滿足：?(vi)=vi′，?(vj)=v′j......”
“有點意思，沒有走更廣泛的p類問題方式，而是通過準多項式與映射函數來對同構模塊進行切割。”
“這種方法有點類似於弱黎曼猜想的研究方式？”
看著手中的稿紙，徐川自言自語的念叨著。
圖同構問題，其實通俗一點來說，它就是給定兩個圖，問它們是否一模一樣。
而如何對給定的2個圖檢查它們是否同構，一模一樣呢？
一種最方法是：簡單地去比較每一個點來匹配另一個圖中可能對應的所有節點。
但眾所周知，圖片是二維平麵，一張圖上具有‘無數’的點。
如果說，假設一張具有N個節點的圖，按照這種匹配的計算方法，其匹配數量就為N的階乘(1*2*3*...*N)，遠遠超過N的數量級。
假如圖裡隻有10個節點，也已經需要三百六十多萬次可能的匹配檢查。（1*2*3.....*10）
而如果一張圖有100個節點，可能的匹配數會遠遠的超過可見宇宙中的原子數。
所以這種比蠻力的方法非常不切實際，隻適用於極少節點的圖。
而從手上的稿紙來看，劉嘉欣在研究這個問題的時候，並沒有將圖同構問題全部帶入進p=Np類問題中。
她選擇了通過準多項式與映射函數來對同構模塊，對圖像進行切割的同時，將這些‘對比點’看作是一塊塊的‘圖像’。
然後模擬四色定理的方式，從第一張圖的一些小節點開始，給它們每一個點“畫”上不同的顏色。
然後再假設第二張圖裡有其-一對應的點，開始在其中尋找同構，並在找到後將這些對應節點標上相同的顏色。
該算法循環往複直到最終驗證完所有可能的猜測。
這是一條比以往圖同構難題更加高效率的算法，而其中的關鍵，就在於這些稿紙中的一項數學工具。
“準多項式圖形映射法。”
這項工具是通過連接多項式和映射工具來完成圖同構高效算法的。
儘管它並沒有解決圖同構難題，甚至都沒有將這個問題徹底的歸納到p類問題範疇還是Np類問題中。