关于图的广义Mycielski图的邻点可区别关联着色

邻点可区别关联着色是使得相邻顶点的颜色集不同的关联着色。主要研究了路,圈C3m,C4m与完全图的广义Mycielski图的邻点可区别关联色数,拓展了图着色的领域,便于更好的研究图的结构。

一些图的邻点可区别关联着色

在图的关联着色概念的基础上定义了图的邻点可区别关联着色及邻点可区别关联色数,研究了圈、完全二部图、Cm.Fn图的邻点可区别关联着色,并确定了它们的邻点可区别关联色数.

复合图点列表着色的可选性(英文)

r部完全图Km*r是完全图Kr与空图Sm的复合图Kr[Sm] . Erdo。s P, Rubin A L和Taylor H在[1]提到了确定Kr[Sm]的点列表着色的可选性的问题并证明了ch(Kr[S2]) = r .Kierstead H A[2]证明了ch(Kr[S3]) =[(4r - 1)/3] .假定Gm是圈Cn与空图Sm的复合图Cn[Sm] .考虑了Gm的列表着色的可选性并证明了ch(G2) =3, ch(G3)≤ 4及在n是奇数时, ch(G3) = 4 .

n-倍图的邻点可区别关联着色

邻点可区别关联着色是使得相邻顶点的颜色集不同的关联着色.本文首先给出了邻点可区别关联着色、倍图及n-倍图的定义,然后研究了路与完全图的倍图及n-倍图的邻点可区别关联色数.

若干图的点强全着色

图G(V,E)的一正常k-全着色σ称为G(V,E)的一个k-点强全着色,当且仅当v∈V(G),N[v]中的元素着不同颜色,其中N[v]={u|vu∈E(G)}∪{v}.并且vχsT(G)=min{k|存在G的一个k-点强全着色}称为G(V,E)的点强全色数.本文得到了一些特殊图的点强全色数χvTs(G),并提出猜想:对于简单图G,有k(G)≤χvTs(G)≤k(G)+1,这里k(G)表示图G中所有顶点间距离不超过2的点集的最大顶点数.

关于图的点强全着色

图G(V,E)的一正常k-全着色σ称为G(V,E)的一个k-点强全着色,当且仅当ν∈V(G),N[ν]中的元素着不同颜色,其中N[ν]={u|νu∈E(G)}∪{ν}。并且χνsT(G)=min{k|存在G的一个k-点强全着色}称为G(V,E)的点强全色数。本文得到了一些特殊图的点强全色数χνsT(G),并提出猜想:对于简单图G,有k(G)≤χνsT(G)≤k(G)+1,这里k(G)是文中给出的一个新的参数。

应用思维进化计算求解顶点着色问题

应用思维进化计算求解顶点着色问题,给出求解给定图的色数、最小着色的算法。介绍了顶点着色问题的编码与解码方法、特征、信息矩阵的概念,从而应用思维进化计算的趋同和异化求解该问题。实验结果表明该算法是求解顶点着色问题的一种新的有效算法。

一类θ-图的邻点可区别关联着色

用反证法和枚举法研究了一种θ-图的邻点可区别关联着色,并确定θ-图的邻点可区别关联色数。对于θ-图,若uv∈E(θ),或N1=N2=N3=1,或N1=N2=N3=2,或uv E(θ)且N1,N2和N3三者中有一个等于1,一个等于2时,则χAI(θ)=5;否则,χAI(θ)=4。

基于激光雷达与RGB相机融合的玉米作物行检测算法研究

针对单一传感器在面对复杂田间环境适应性差的问题,本文提出了一种基于固态激光雷达(LiDAR)与RGB相机融合的玉米作物行检测方法。首先,研究了固态激光雷达和RGB相机联合标定方法,同步获取玉米作物行图像和点云数据并进行数据预处理。然后,将预处理后的图像数据和点云数据融合,实现点云“着色”,基于点云“着色”提出聚类感兴趣密度区域算法。利用“着色”点云完成聚类,并结合作物种植农艺标准(行距),分别验证点云信息和颜色信息的可用性,能够选择最优信息完成作物行感兴趣区域聚类。最后,通过划分点云水平条带的方式确定目标点云的特征点聚类区域,取作物行特征点,并利用最小二乘法拟合作物行检测线。仅需调整行距参数,算法可实现全生命周期的作物行检测,利用正常工况下玉米苗期、前期、中期和后期数据开展算法验证,作物行中心线平均误差不大于1.781°,准确率不小于92.69%,平均耗时不超过102.7 ms。此外,为验证算法鲁棒性,开展了复杂农田背景环境,如高杂草背景、断行、苗期杂草高度与玉米高度相近以及玉米完全封行4种工况作物行检测,算法平均误差不大于1.935°,准确率不小于91.94%,平均耗时不超过108.3 ms。通过讨论阐述了基于点云“着色”开展作物行中心线提取的优越性,本文算法可为作物行中心线可靠检测提供参考。

图的对策着色和对策色数

图的对策色数 Xg(G)是由图的点色数 Xg(G)拓展得到的 ;本文给出了一些图的对策色数 。

基于蚁群改进着色算法在智慧社区的应用

在图着色问题中,随着图复杂性增加,启发式蚁群算法得出的色数也会不断的增大,为此,在充分研究蚁群算法的基础上,提出一种基于蚁群系统改进的着色算法。在启发式蚁群着色算法的着色过程中,通过设置最大色数并添加褪色过程控制着色色数。实验结果表明,该算法减少并控制了图着色的色数,能够实现四色着色,运行时间略有优化,将该算法用于智慧社区网格着色,网格中动态数据信息显示得更加清晰直观。

分组遗传算法用于图的着色

图的着色算法是一种典型的NP 完全问题 在系统地讨论了图的正常顶点着色、边着色以及全着色的有关理论的基础上 ,提出了基于分组遗传算法和启发式搜索的图的正常 k 点着色 ,正常k 边着色以及正常k 全着色的新型混合算法 ,提出了评价算法性能的标准 实验仿真结果表明 ,新型混合算法可以获得问题高质量的解 。

关于几类图的邻点可区别关联色数

邻点可区别关联着色的定义是在关联着色的基础上提出的,是使得相邻顶点的颜色集不同的关联着色.主要研究了几类特殊图的邻点可区别关联色数,包括风车图、齿轮图及在此基础上扩充的图Dm,n,拓展了图着色的领域,便于更好地研究图的结构.

花图的邻点可区别关联色数

轮Wr+1(r≥3)是一个r阶圈加上一个新的顶点,再把圈上每个顶点与新顶点连上边所得到的图,新顶点与圈上顶点之间的边称为辐边,圈上的边称为边缘边。所谓花图Fr,m,n(r≥3,m≥1,n≥2m+1)是在轮Wr+1中,在每条辐边上分别嵌入m-1个新点,在每条边缘边上分别嵌入n-2m-1个新点所得到的图。研究花图Fr,m,n(r≥3,m≥1,n≥2m+1)的邻点可区别关联着色,确定了部分花图的邻点可区别关联色数,并给出了剩余花图的邻点可区别关联色数的上界。

着色在生活中的应用

着色理论是图论中的一个重要分支,根据着色对象的不同,着色有很多独立的分支,其中点着色和边着色就是两种基本的着色。总结了一般图的点着色和边着色,并讨论了着色理论在现实生活中的应用,尤其指出学校的排课系统就是点着色和边着色的典型应用。

无割边三正则图三边着色的一个充分必要条件(英文)

设G是无割边三正则图,θ={C1,C2,…,Ck}是G一个圈覆盖,定义一新图G(θ)=(V,E),这里V={C1,C2,…,Ck},(Ci,Cj)∈E当且仅当E(Ci)∩E(Cj)≠ (1≤i≠j≤k).那么G是三边着色的充分必要条件是G有一个圈的一或二次覆盖θ并且G(θ)是二或三点着色.这个结论给出了一个判定无割边三正则图是三边着色的方法.

极大平面图的点面全色数

平面图 G(V,E,F)的点面全色数 xs(G)是使得集合 V(G)U F(G)中相邻和相关联的元素均染为不同颜色的最少颜色数.本文证明了:(1)若 G 为极大平面图,则4≤xs(G)≤6;且 xs(G)=4当且仅当 G 为点次模3-正则图.(2)若 G 为△(G)≤3的简单平面图,则 xs(G)≤6.一、引言本文限于考虑平面图 G(V,E,F),其中 V,E,F 分别为 G 的点集合。

图P_n^k的着色

设k是一个正整数,在含有n个顶点的路Pn=v1v2…vn上,当且仅当两点的距离为k(k≥2)时增加一条边,这样所得到的图叫做Pnk(v1,vn),有时Pkn(v1,vn)也简记为Pnk.论文研究图Pnk的点着色、边着色和点、边全着色,得到图Pnk的点色数、边色数和图Pnk满足点、边全着色猜想等结论.

新着色算法的研究

在点着色问题中，引入了一种新方法，即使用补图和团覆盖的概念解决繁杂的点着色问题．它比普通的加边缩边法和纵深搜索法更为简便，在一定程度上降低了运算复杂度．该算法本身简洁明了，既适于比较简单的图，又适用于比较复杂的图．同时，文中还给出了与团覆盖对应的独立集结构的算法及其复杂度估算．

Cartesian积图的关联色数与邻点可区别关联色数

图G的一个关联着色是指从关联集I(G)到颜色集C的一个映射,使得任意两个相邻的关联不着同色;而图G的邻点可区别关联着色是要求任何相邻顶点具有不同色集的关联着色。研究星分别与星、扇和轮的Cartesian积图的关联着色和邻点可区别关联着色,利用构造染色的方法,确定其关联色数与邻点可区别关联色数都是最大度加一。