对于一个项目，我正在编写一个与networkx一起工作的python程序，以创建一个NAUTY样式的同构检查程序。我的程序基于对Nauty的介绍here，其工作原理如下：
取两个图G和H，并根据程度为节点着色。 运行颜色细化算法，根据颜色类中每个节点的邻居细化图形的颜色。这对（G'，H'）成为我的搜索树的“根”，我将使用DFS算法。接下来，我个性化G'中属于最小颜色类的节点，其中包含多个元素，并使用分支方法生成新的树对（G''，H''），（G'' ，H'''，...（G''，H ^（k））（k取决于颜色类的大小，例如，如果用g表示颜色类红色：[1,2,3]是G中的红色节点，[5,6,7]是H中的红色节点，那么我必须为1：5,1：6,1：7的对搜索树做一个分支，然后打开以后在我的搜索树中访问的新分支）。还有就是擦！我的树变得太大，太快 - 这是因为我没有使用上述链接的'node invariants and pruning'部分中描述的节点不变量。
有人可以解释一些我可以使用的节点不变量的例子吗？在StackExchange上，我在这里找不到多少帮助。我假设并使用我的节点颜色是节点不变量的事实，但对于强大的常规图形，这并不总是给我带来太多。有什么想法吗？