编写程序，实现输入图G，基于韦尔奇·鲍威尔法对图G的结点进行着色，输出对应的一个正常着色。

好的，以下是一个基于Python语言实现的韦尔奇·鲍威尔法着色程序：

import networkx as nx

def welsh_powell(G):
    # 对节点按照度数从大到小排序
    nodes = sorted(G.nodes(), key=lambda x: G.degree(x), reverse=True)
    # 初始化颜色字典，键为节点，值为颜色
    color_map = dict.fromkeys(G, -1)
    # 遍历节点并着色
    for node in nodes:
        if color_map[node] == -1:
            # 获取该节点的邻居节点的颜色集合
            neighbor_colors = set(color_map[v] for v in G.neighbors(node))
            # 选择一个未被使用的最小颜色
            color = 0
            while color in neighbor_colors:
                color += 1
            color_map[node] = color
    return color_map

# 测试程序
if __name__ == '__main__':
    # 创建一个无向图
    G = nx.Graph()
    # 添加节点
    G.add_nodes_from(['v1', 'v2', 'v3', 'v4', 'v5'])
    # 添加边
    G.add_edges_from([('v1', 'v2'), ('v1', 'v3'), ('v2', 'v4'), ('v3', 'v4'), ('v3', 'v5'), ('v4', 'v5')])
    # 使用韦尔奇·鲍威尔法着色
    color_map = welsh_powell(G)
    # 输出节点着色结果
    for node, color in color_map.items():
        print(f'{node}:{color+1}', end=',')

上述程序使用了NetworkX库来创建和操作图数据结构，实现了韦尔奇·鲍威尔法着色算法。您可以根据需要修改节点和边的数据，运行程序后，会输出节点的着色结果。