几类图的线性k-荫度

来源 :天津师范大学 | 被引量 : 0次 | 上传用户:wanyu123456
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
线性k-森林是每一个连通分支均为长度不超过k的路的图.一个图G的线性k-荫度是将图G的边集合能分解成的线性k-森林的最少数目,用lak(G)来表示.图的线性k-荫度是边着色的一种很自然的推广.很显然,一个线性1-森林是由一个匹配导出的,并且图G的线性1-荫度等于它的边色数(或称色指数),即la1(G)=x’(G).而且,一个图G的线性k-荫度lak(G)也是一般线性荫度la(G)(或者la∞(G))的一个加细,一般的线性荫度是图G的边集合能分解成的线性森林(每个连通分支都是路的图)的最少数目,此时每个分支都是没有长度限制的路.我们称图G是一个m-部图,如果它的顶点集合V(G)可以划分为m个独立集,而这些独立集称为m-部图G的分裂集.一个完全m-部图G首先是一个m-部图,并且边uv∈E(G)的充要条件是u和v属于不同的分裂集.当m≥2时,我们将完全m-部图记为Kn1,n2,…,nm,其中n1,n2,…,社m分别是它的分裂集的基数.若有n1=n2=…=nm=n,则称此完全m-部图为均衡完全m-部图,记为Km(n).完全图是指每一对不同的顶点都有一条边相连的简单图.我们用Kn表示有n个顶点的完全图.设k为一个正整数,若以下条件之一成立,则称G具有性质Pk:(1)δ(G)≤1:(2)M*(G)≤k:(3)G含有一个(2,k+1)-交错圈.若G的每个子图都具有性质Pk,则称G是Pk-遗传图.依据内容,本文分为四个章:第一章主要介绍本文的选题背景、意义和图的线性k-荫度理论的介绍及其研究现状以及一些预备知识.第二章主要研究了均衡完全二部图Kn,n的线性4-荫度,给出了n三0(mod5)时Kn,n的线性4-荫度的确切值.第三章主要研究一类特殊的平面图,给出了不含4-圈和5-圈的平面图的线性2-荫度的一个上界.第四章主要研究了完全图Kn的Mycielski图,给出了偶阶完全图Kn的Mvcielski图的线性3-荫度和线性荫度的确切值.
其他文献
随着列控系统的不断发展,以“车载设备为核心”的新型列控系统,将传统地面进路控制和移动授权计算等功能集成到车载设备上,并采用全IP和车-车通信等技术,成为研究热点。新型列控系统作为典型的安全苛求系统,在运营过程中一旦出现故障,将给人类生命、财产和环境造成重大甚至是灾难性的损失。因此,针对新型列控系统的安全性验证分析具有重要意义。然而,在新型列控系统中,一方面,车载设备承担了更多的地面设备功能,系统内
Bernoulli多项式不仅自身有很多重要性质,而且还是研究其他问题的有力工具Dedekind和也有很多重要性质,而且它在模函数理论的研究中起着十分重要的作用,因此它也成为了数论专
MIL-代数是一种比较基础的代数系统,研究MIL-代数对多值逻辑具有重要意义.本文以MIL-代数为研究对象,以软集和模糊集为主要研究工具,研究了MIL-代数上的几类滤子的问题,分别
设(?)是域K上的代数元,p(x)∈K[x]是(?)在K上的极小多项式,A=K((?))[a1,…,an]是单代数扩域K((?))上具有n个生成元的可解多项式代数.本文证明,若A的子代数K[a1,…,an]是K上可
本文主要研究指数丢番图方程px±qv=2z的非负整数解的问题,共由三部分组成。第一部分简单地介绍了有关指数丢番图方程的背景知识。第二部分主要做了以下工作:1用初等方法给出
特色小镇作为新型城镇化建设的重要形式,在全国范围内如火如荼地发展起来。特色小镇是以村镇为建制基础,以特色产业为核心的小镇。它一方面可以充分发挥自身优势实现农村就地
本文以Bernstein算子在r-重积分Wiener空间下同时逼近平均误差的强渐近阶结论为基础,利用数值分析的方法,系统讨论了在加权Lp范数下Kantorovitch算子序列在r-重积分Wiener空
近年来有关分数阶微积分的研究引起了人们的广泛关注。目前用得最多的分数阶微积分是基于Gamma函数定义的Riemann-Liouville导数和Riemann-Liouville积分,其次有Caputo导数、
二氧化碳(CO2)是导致温室效应的主要气体之一,同时也是储量丰富的C1资源,通过化学固定CO2制备高附加值化工产品是最具吸引力的碳捕集与利用的策略之一。其中,将CO2化学固定为环碳酸酯是一条最具工业应用前景的转化利用途径。目前,以环氧化物和CO2反应合成环碳酸酯是最常用的制备体系。然而,环氧化物作为原料不仅成本高、毒性大、不易储存,且反应体系对设备要求高,严重制约环碳酸酯的产业规模。烯烃毒性小、价
一维时序信号处理技术凭借其对时间属性的强依赖及有用信息量的庞大承载量在生活及工业界中的应用愈加广泛。例如,音频事件检测及光网络故障预测这两类一维时序信号处理技术分别在多重场景分析、通信信息传播中具有重要的应用价值。深度学习算法在音频事件检测和光网络故障预测中都体现了优于传统算法的性能,因而得到广泛关注。深度学习算法对大量抽象数据的强拟合建模能力得益于深度学习网络模型中庞大的参数量及其复杂的计算迭代