@总结 - 12@ burnside引理与pólya定理

2023-10-30 21:40

本文主要是介绍@总结 - 12@ burnside引理与pólya定理,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • @0 - 参考资料@
  • @1 - 问题引入@
  • @2 - burnside引理@
  • @3 - pólya定理@
  • @4 - pólya定理的生成函数形式@

@0 - 参考资料@

博客1

@1 - 问题引入@

一个经典问题:

一正方形分成4格,2着色,有多少种方案?
其中,经过转动相同的图象算同一方案。

假如不考虑转动,各种方案如下所示。
1459581-20190927133822931-1544277671.jpg

首先可以发现,转动的角度只有 4 种:0°,90°,180°,270°。
然后可以得到,每一次转动可以将一个方案唯一映射成另一个方案(可以是自身)。
于是我们可以用一个置换 p 描述一次旋转的效果,其中 p[i] 表示第 i 种方案被映射成了第 p[i] 种方案。

在这个例子中,4 种置换(0°,90°,180°,270°)构成了一个置换群
(什么是置换群。。。emmm可以自行左转百度)

(以下的记法都是不严谨的,因为是根据我自己的记忆写的)
如果置换 f 使得元素 i 映射成 j,我们就记作 \(f:i -> j\)

对于置换群 G,如果存在 \(f\in G\),以及 \(f:x -> y\),我们就称 x, y 为等价类。
显然这个等价关系满足传递性、自反性、对称性(对应群的几个性质)。
那么我们相等于求在置换群G的作用下的等价类个数

@2 - burnside引理@

先抛结论:

我们称对于 f,满足 f:x -> x 的 x 为 f 作用下的不动点。记 c(f) 表示 f 的不动点个数。
则 G 作用下的等价类个数为:
\[cnt = \frac{\sum_{f\in G}c(f)}{|G|}\]

证明是我自己BB的,与主流证法不大一样(我也记不到主流证法了),所以可能不够简便。

引入(一个非常不严谨的)记法:记 \(S_{i, j}\) 表示将 i 映射到 j 的置换组成的集合。

首先证明几个引理:

引理 1:\(|S_{i, j}| = |S_{j, i}|\)
证明:等价于证明 \(|S_{i, j}| \le |S_{j, i}|\)\(|S_{j, i}| \le |S_{i, j}|\)
只需考虑 \(|S_{i, j}| \le |S_{j, i}|\),另一半同理可证。
对于 \(f \in S_{i, j}\),它的逆元 \(f^{-1} \in S_{j, i}\)。且根据置换群的性质,每个元素的逆元是唯一的,且不同元素的逆元不同。
所以 \(S_{j, i}\) 至少含有 \(|S_{i, j}|\) 个元素——即它们的逆元。

引理 2:若 \(S_{i, j}\) 不为空,则 \(|S_{i, j}| = |S_{i, i}|\)
证明:只需证明 \(|S_{i, j}| \le |S_{i, i}|\)\(|S_{i, i}| \le |S_{i, j}|\)
\(S_{j, i}\) 中任选一个元素 \(f\)\(f\)\(S_{i, j}\) 中的每一个 \(g\) 相乘得到 \(f*g\)
显然有 \(f*g \in S_{i, i}\),且 g 不相同时,得到的结果也一定不同,所以 \(|S_{i, j}| \le |S_{i, i}|\)
然后依然是从 \(S_{j, i}\) 中任选一个元素 \(f\)\(f\)\(S_{i, i}\) 中的每一个 \(g\) 相乘得到 \(f*g\)
\(f*g \in S_{j, i}\),且 g 不相同时,得到的结果也不同。故又得到 \(|S_{i, i}| \le |S_{j, i}| = |S_{i, j}|\)(由引理 1)。

引理 3:一个等价类中的不动点数量总和 = |G|。
证明:设该等价类 \(E = {x_1, x_2, ..., x_k}\)
则有 \(\sum_{i=1}^{k}|S_{x_1, x_i}| = |G|\)(每个在 G 中的置换一定会把 \(x_1\) 映射成等价类中的某个数)。
根据引理 1 + 引理 2,可以得到 \(\sum_{i=1}^{k}|S_{x_i, x_i}| = |G|\),于是得证。

有了引理 3,就可以推导出我们的 burnside 引理的正确性了,因为不动点的总数 = 等价类个数*|G|。

@3 - pólya定理@

(注意是 pólya 定理而不是 polya 定理,虽然这不重要不过还是要看起来专业点)

burnside 引理提出了一种统计等价类的一般方法,而 pólya 定理提出了在染色问题下的不动点具体计算方法。

在我们一开始给出的问题中,假如我们要老老实实地算,要算 2^(2+2) 个方案在置换下是否为不动点。
当数据范围增大时,方案数急剧增大,burnside引理就失去了意义。

我们不妨把 2*2 个点拿出来,构建置换群。以下假设可用颜色数量为 m。

我们将每个置换循环分解,则这个置换作用下的不动点肯定是相同循环内的元素涂相同颜色。
设置换 f 的循环分解后共有 c(f) 个循环,则 f 作用下不动点数量为 \(m^{c(f)}\)

则 G 作用下不动点数量为:
\[cnt = \frac{\sum_{f\in G}m^{c(f)}}{|G|}\]

这样就可以将指数级复杂度化为多项式复杂度。

@4 - pólya定理的生成函数形式@

可以发现,pólya 定理是非常显然的。但同时 pólya 定理也是非常普遍应用的。

但是!如果结合万能的生成函数,我们就可以得到一些更有趣的东西。

还是一开始的典型例子,假如我们想要知道固定黑色格子有多少个时,本质不同的方案数。
这时候我们就需要利用生成函数了。

假如置换 f 进行循环分解得到 k 个循环,每个循环的循环节大小分别为 x1, x2, ..., xk。
则这个置换 f 对应的生成函数为 \(F(f) = \prod_{i=1}^{k}(b^{x_i} + w^{x_i})\)。其中 b, w 就是形式变量。
整个置换群 G 的生成函数为:
\[F(G) = \frac{\sum_{f\in G}F(f)}{|G|}\]

则 G 中的 \(b^i*w^j\) 项的系数等于涂 i 格黑色与 j 格白色的方案数。
比如对于我们一开始的例子,生成函数为:
\[F(G) = \frac{1}{4}((b + w)^4 + (b^4 + w^4) + (b^2 + w^2)^2 + (b^4 + w^4)) = w^4+w^3b+2w^2b^2+wb^3+b^4\]

验证一下就可以发现它的正确性。

转载于:https://www.cnblogs.com/Tiw-Air-OAO/p/11595618.html

这篇关于@总结 - 12@ burnside引理与pólya定理的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/310750

相关文章

Nginx Location映射规则总结归纳与最佳实践

《NginxLocation映射规则总结归纳与最佳实践》Nginx的location指令是配置请求路由的核心机制,其匹配规则直接影响请求的处理流程,下面给大家介绍NginxLocation映射规则... 目录一、Location匹配规则与优先级1. 匹配模式2. 优先级顺序3. 匹配示例二、Proxy_pa

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

MySQL基本查询示例总结

《MySQL基本查询示例总结》:本文主要介绍MySQL基本查询示例总结,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Create插入替换Retrieve(读取)select(确定列)where条件(确定行)null查询order by语句li

Linux区分SSD和机械硬盘的方法总结

《Linux区分SSD和机械硬盘的方法总结》在Linux系统管理中,了解存储设备的类型和特性是至关重要的,不同的存储介质(如固态硬盘SSD和机械硬盘HDD)在性能、可靠性和适用场景上有着显著差异,本文... 目录一、lsblk 命令简介基本用法二、识别磁盘类型的关键参数:ROTA查询 ROTA 参数ROTA

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理(处理粘包/拆包)3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Windows Docker端口占用错误及解决方案总结

《WindowsDocker端口占用错误及解决方案总结》在Windows环境下使用Docker容器时,端口占用错误是开发和运维中常见且棘手的问题,本文将深入剖析该问题的成因,介绍如何通过查看端口分配... 目录引言Windows docker 端口占用错误及解决方案汇总端口冲突形成原因解析诊断当前端口情况解

java常见报错及解决方案总结

《java常见报错及解决方案总结》:本文主要介绍Java编程中常见错误类型及示例,包括语法错误、空指针异常、数组下标越界、类型转换异常、文件未找到异常、除以零异常、非法线程操作异常、方法未定义异常... 目录1. 语法错误 (Syntax Errors)示例 1:解决方案:2. 空指针异常 (NullPoi

Java反转字符串的五种方法总结

《Java反转字符串的五种方法总结》:本文主要介绍五种在Java中反转字符串的方法,包括使用StringBuilder的reverse()方法、字符数组、自定义StringBuilder方法、直接... 目录前言方法一:使用StringBuilder的reverse()方法方法二:使用字符数组方法三:使用自

Python依赖库的几种离线安装方法总结

《Python依赖库的几种离线安装方法总结》:本文主要介绍如何在Python中使用pip工具进行依赖库的安装和管理,包括如何导出和导入依赖包列表、如何下载和安装单个或多个库包及其依赖,以及如何指定... 目录前言一、如何copy一个python环境二、如何下载一个包及其依赖并安装三、如何导出requirem