Algorithm Chaitin-Briggs算法说明

我在谷歌上搜索了一下，但还没有找到关于这个话题的好材料

---

在哪里可以找到关于Chaitin-Briggs图着色算法的更多信息？或者有人能解释一下它是如何工作的吗？

Chaitin算法的关键洞察被称为度 给定一个图G，其中包含一个度小于R的节点N，当图G′是移除节点N的G时，G是R-可着色的。证据在一个方向上是显而易见的：如果一个图G可以用R颜色着色，那么图G'可以在不改变颜色的情况下创建。在另一个方向，假设我们有G'的R-着色。由于N的阶数小于R，因此必须至少有一种颜色不用于与N相邻的节点。我们可以使用此颜色为N着色

算法如下：

While G cannot be R-colored
    While graph G has a node N with degree less than R
        Remove N and its associated edges from G and push N on a stack S
    End While 
    If the entire graph has been removed then the graph is R-colorable 
        While stack S contains a node N
            Add N to graph G and assign it a color from the R colors
        End While
    Else graph G cannot be colored with R colors
        Simplify the graph G by choosing an object to spill and remove its node N from G
        (spill nodes are chosen based on object’s number of definitions and references)
End While

由于存在溢出问题，Chaitin-Briggs算法的复杂度为O（n2）。如果在某个点上，缩减图G'只具有R阶或更高阶的节点，则图G将不能是R-可着色的。当一个图很容易R-着色时，单个迭代的成本是O（n），因为我们在图中进行两次遍历，每次移除或添加一个节点。但是溢出带来了额外的复杂性，因为我们可能需要溢出任意数量的节点才能使G变成R-可着色。对于我们溢出的每个节点，我们通过线性算法进行另一次旅行

---

你也可以看一下这个

u想知道算法的定义吗？@Sibi是的，我想找到算法的详细解释。什么是溢出问题？溢出节点意味着什么？@DaZzz这意味着将与其关联的变量放在寄存器之外的其他位置，通常放在堆栈上。