P=NP？猜想这一千禧年难题是计算机数学领域中的核心。
整个问题可以拆分成N个次级难题，而这其中最出名的有四个。
分别是大正整数因子分解问题、图同构问题、离散对数问题、曼哈顿网络问题。
其中大数分解问题和图同构问题和最为著名，因为这两个问题的解决涉及密码学和复杂性理论的很多基本问题。
解决了它们，能够极大的促进计算机科学、算法等方面的发展。
其他的不说，就像智能驾驶这一块，环境感知和决策算法是自动驾驶汽车实现智能行驶的关键。
环境感知算法通过车载传感器和摄像头来获取道路、障碍物、交通标志等信息，并进行感知和建模。
而决策算法则根据环境感知的结果，做出行车路径规划、交流协调、避让决策等操作。
这些算法通常涉及到多传感器融合、状态估计、机器学习等多种技术。
更需要运用矩阵运算、图像变换、最优化理论、统计学等大量的数学模型和算法来实现智能决策。
比如图同构理论，尽管目前来说它依旧面临着诸多挑战，但图像处理、视频分析、寻找最优路径、网络流算法、高效避障碍等领域有着众多的应用。
数学工具上的突破，给AI智驾的算法判断带来了更先进高效的计算法方式。
这也是川海网络科技公司那边的智能驾驶能够快速的在短短两三年的时间内，就追上其他早已经深入布局的企业的原因。
办公室中，听到徐川询问图同构方面的研究和稿纸，刘嘉欣笑了笑，从随身携带的背包中取出来了整理过后的稿纸。
她就知道徐川的注意力肯定会集中在这个上面，所以提前就准备好了。
“我看看。”
看到稿纸，徐川迫不及待的伸手接了过来。
的确，相对比智驾领域的突破，他更在意图同构难题上的研究。这涉及到一个千禧年难题的答案，也涉及到更多的应用领域。
智驾，只是它的一部分应用而已。
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。
“准多项式图形映射法。”
这项工具是通过连接多项式和映射工具来完成图同构高效算法的。