一些倍图的点可区别均匀边色数

如果图G的一个正常边染色满足任意两个不同点的关联边色集不同,且任意两种颜色所染边数目相差不超过1,则称为点可区别均匀边染色,其所用最少染色数称为点可区别均匀边色数.本文得到了星、扇和轮的倍图的点可区别均匀边色数.

若干图的Mycielski图的点可区别均匀边色数

简单图G的正常边染色f,若对于坌u,v∈V(G),有C(u)≠C(v),称f是图G的点可区别边染色,其中C(u)={f(uv)uv∈E(G)}。若满足|Ei|-|Ej|≤1(i,j=1,2,…,k),其中坌e∈Ei,f(e)=i(i=1,2,…,k),称f是图G的点可区别均匀边染色。讨论了若干图的Mycielski图的点可区别均匀边染色。

一些积图的点可区别均匀边色数

本文研究了积图的点可区别均匀边染色问题.利用构造法得到了积图G×G的点可区别均匀边染色的一个结论,并且获得了等阶的完全图与完全图、星与星、轮与轮的积图的点可区别均匀边色数,验证了它们满足点可区别均匀边染色猜想(VDEECC).

图M(S_n)和M(F_n)的点可区别均匀边色数

如果图G的一个正常边染色满足任意两个不同点的关联边色集不同,且任意两种颜色所染边数目相差不超过1,则称为点可区别均匀边染色(VDEEC),其所用最少染色数称为点可区别均匀边色数.本文用构造法研究了一些Mycielski图的点可区别均匀边染色,得到了星和扇的Mycielski图的点可区别均匀边色数,验证了它们满足点可区别均匀边染色猜想.

P_m×P_n的邻强均匀边色数

图G的一个k-正常着色满足相邻的点所关联的边的色集合不同,且任两色的边数之差不超过1称为G的k-邻强均匀边染色,图G邻强均匀边染色中最小的k称为图G的邻强均匀边色数.本文得到了P_m×P_n的邻强均匀边色数.

图M(P_n)和M(C_n)的点可区别均匀边染色

用构造法研究了路和圈的Mycielski图的点可区别均匀边染色,得到了路和圈的Mycielski图的点可区别均匀边色数,验证了它们满足点可区别均匀边染色猜想(VDEECC).

扇和轮的倍图的点可区别均匀边染色

对于简单图G的正常边染色f,若对于u,v∈V(G),有C(u)≠C(v),称f是图G的点可区别边染色,(其中C(u)={f(uv)|uv∈E(G)}).若满足|Ei|-|Ej|≤1(i,j=1,2,…,k),(其中e∈Ei,f(e)=i(i=1,2,…,k)),则称f是图G的点可区别均匀边染色.本文讨论了扇和轮的倍图的点可区别均匀边染色.

P_m∨F_n(m=1,2,3,4,n+1)的点可区别均匀边染色

图G的一个正常边染色如果满足任意两个不同点的关联边色集不同,且任意两种颜色所染边数目相差不超过1,则称为点可区别的边染色,其所用的最少的颜色数称为图G的点可区别均匀边色数.运用组合方法研究联图Pm∨Fn的点可区别完全均匀边染色,得到当m=1,2,3,4,n+1时的Pm∨Fn的点可区别均匀边色数.

随机图的均匀边染色算法

图的均匀边染色是指图中任意两条相邻的边都分配到不同的颜色,且任意两个色类的颜色个数最大相差1。对图G进行均匀边染色所需的最少颜色数叫做G的均匀边色数。针对图的最小均匀边色数进行了研究,提出一种启发式算法。该算法根据均匀边染色条件设计了目标函数,并借助染色矩阵的色补矩阵迭代交换逐步寻优;给出了详细的算法设计流程,并且进行了大量的测试和分析。实验结果表明,该算法可以高效地求出给定点数图的最小均匀边色数,算法时间复杂度不超过O(n3)。

外1-平面图的均匀边染色

图G的s-均匀边k-染色是指用k种颜色对图的边进行染色,使得图G的每个顶点所关联的任何两种颜色的边的条数至多相差s。使得对于每个不小于k的整数t,图G都具有s-均匀边t-染色的最小整数k称为图G的s-均匀边色数阈值。文中证明了外1-平面图的1-均匀边色数阈值最多为5,不含有相邻的3圈的外1-平面图的均匀边色数阈值最多为4,外1-平面图的2-均匀边色数阈值恰好为1。

一类Mycielski图的点可区别均匀无圈边染色

设σ是简单图G的k-点可区别边染色,Ei表示染颜色i的边所构成的集合,其中i=1,2,…,k.若对任意i,j=1,2,…,k,G中没有双色圈且||Ei|-|Ej|≤1,则称σ是G的k-点可区别均匀无圈边染色.最小的k值称为G的点可区别均匀无圈边色数.文章讨论了最大度为2的图Mycielski图的点可区别均匀无圈边染色,并得到了相应的色数值.

星和完全等二部图联图的点可区别均匀边染色

研究了星与完全等二部图的联图Sm∨Kn,n的点可区别均匀边染色。