On Restricted Connectivity and Extra Connectivity of Hypercubes and Folded Hypercubes

Given a graph G and a non-negative integer h, the h-restricted connectivity k^h(G) of G is the minimum cardinality of a set of vertices of G, in which at least h neighbors of any vertex is not included, if any, whose deletion disconnects G and every remaining component has the minimum degree of vertex at least h; and the h-extra connectivity k^h(G) Of G is the minimum cardinality of a set of vertices of G, if any, whose deletion disconnects G and every remaining component has order more than h. This paper shows that for the hypercube Qn and the folded hypercube FQn, k1(Qn)=k^（1）(Qn)=2n-2 for n≥3, k2(Qn)=3n-5 for n≥4, k1(FQn)=k^(1)(FQn)=2n for n≥4 and k^(2)(FQn)=4n-4 for n≥8.     

单圈图的邻强边染色

设G是阶数不小于3的简单连通图,G的k-正常边染色称为是邻强的,如果G的任意相邻的两顶点的关联边的颜色构成的集合不同.对一个图G进行邻强边染色所需要的最少的颜色数称为是G的邻强边色数.本文研究了单圈图的邻强边染色.     

关于图的两类边控制数

引入了图的反符号边全控制的概念．设G=（V,E）是一个图,N（e）表示G中与e相邻的边集,函数f：E→{＋1,-1},如果对任意e∈E（G）均有∑f（e’）≤0,其中e’∈N（e）,则称,为图G的一个反符号边全控制函数．而γ’st（G）=max{∑f（e）｜f为G的反符号边全控制函数,e∈E（G）称为图G的反符号边全控制数．分别给出了图的反符号边全控制数和^符号边控制数的一个界限,并确定了轮图的反符号边全控制数和完全偶图Km,n的珏符号边控制数的下界．     

关于图的反减圈控制数

设G=（V,E）是一个图,C为G的导出圈,函数厂：E→｜＋1,0,-1｜,如果对任意e∈E（C）均有∑f（e）≤0成立,则称f为图G的一个反减圈控制函数,称ymc（G）=max{∑f（e）｜f为G的反减圈控制函数,e∈E（G）}为图G的反减圈控制数．本文给出了图的反减圈控制数的上界和极大平面图及几类特殊图的反减圈控制数．     

关于图的反符号星控制数

引入了图的反符号星控制的概念,设G=（V,E）是一个没有孤立点的图,一个函数f：E→＋{1,-1}对一切点v∈V（G）所在的星中的边e有∑f（e）≤0成立,则称,为图G的一个反符号星控制函数．而γ’rss（G）=max{∑f（e）｜f为图G的反符号星控制函数,e∈E（G）}称为图G的反符号星控制数．我们主要给出了图的反符号星控制数的上界,并确定了完全图与完全二部图的反符号星控制数．     

三色拉姆塞数R_3（C_8）研究

用r种颜色对图G的所有边着色,记着第i色的边构成的子图为Gi,如果存在一种着色方法使得每一个Gi（1≤i≤r）都不包含图H,则称图G对于H可以r着色.拉姆塞数Rr（H）是使得完全图Kn对于H不可以r着色的最小正整数n.令Cm表示长度为m的圈,Dzido等证明了R3（C2k）≥4k.本文对k=4的情形进行研究,利用计算机,通过大量的计算证明了R3（C8）=16.     

基于边权重图神经网络的一阶逻辑前提选择

为提高自动定理证明器在大规模问题中证明问题的能力,前提选择任务应运而生.由于公式图的有向性,主流的图神经网络框架只能单向地对节点进行更新,且无法编码公式图中子节点间的顺序.针对以上问题,提出了带有边类型的双向公式图表示方法,并提出了一种基于边权重的图神经网络（edge-weight-based graph neural network,EW-GNN）模型用于编码一阶逻辑公式.该模型首先利用相连节点的信息来更新对应边类型的特征表示,随后利用更新后的边类型特征计算邻接节点对中心节点的权重,最后利用邻接节点的信息双向地对中心节点进行更新.实验比较分析表明：基于边权重的图神经网络模型在前提选择任务中表现得更加优越,其在相同的测试集上比当前最优模型的分类准确率高了约1%.     

关于图的集控制数

设G是一个图,如果V(G)能划分为t个两两不交的控制集Dt(i=1,2,…,t),则称G有t-控制集划分.图G的集控制数定义为d(G)=max{ t|G有t-控制集划分}.该文主要研究乘积图与联图的集控制问题,给出其集控制数的界限,并确定一些特殊图的集控制数.     

若干合成图的星全染色

简单图G和H的合成图是指具有顶点集V（G）×V（H）的简单图G[H],它的顶点（u,v）和另一个顶点（u,v＇）相邻当且仅当或者uu＇∈E（G）,或者“u=u’且vv’∈E（H）．文中研究了n＋1阶简单图G与m阶简单图H的合成图的星全染色,其中G为Wn。,扇Fm或星Sn．得到以下结果：（1）若△（H）=2且n≥4,m≥5,则G[H]的星全色数为（2n＋1）m;（2）若x（H）=△（H）=m-1且n,m≥4,则G[H]的星全色数为2（n＋1）m-1．     

关于Pn∨Kn,n的邻强边染色

对图G的k正常边染色使得相邻点的关联边色集合不同时,称为邻强边染色法,运用最小的k称为G的邻强边色数.得到了Pn∨Kn,n的邻强边色数.     

两类图的算术标号

对于一个（p，g）图G，如果存在一个v（G）到非负整数集N0的一个映射以称为顶点标号）满足：（1）f（u）≠f（v），其中u≠v，且u，v∈V，（c）；（2）{f（u）＋f（v）｜uv∈E（G））={k，k＋d，…，k＋（g-1）d），称图G为（k，d）-算术图。证明了图Fm．4是（d，2d）-算术图和图Fm．6是（d，3d）-算术图。     

The Dimensions of Graphs and Constructions of Their Bases

IntroductionGraph G,considered in this paper,is finiteand simple with vertex set V ( G) and edge setE( G) .Let d( x,y) denote the distance between xand y in G and W={w1,w2 ,…,wk}denote the or-dered set of V( G) .For any given v∈V( G) ,therepresentation of v with respect to W is the k- vec-tor:r( v| W) ={d( v,w1) ,d( v,w2 ) ,…,d( v,wk) }.The ordered set W is called a resolving set of G ifr( u| W) =r( v| W) implies that u=v for all pairs{u,v}of vertices of G. A resolving set of G with…     

图的反符号全控制数

设G=(VE)是一个无孤立顶点的图,一个函数f:V{-1,+1}称为图G的一个反符号全控制函数,如果f(N(v))≤1对任何点v V(G)成立。图G的反符号全控制数记为γrst(G)=max{f(V)|f为图G的一个反符号全控制函数}。该文对图的反符号全控制函数进行了研究,获得了一般图的反符号全控制数的若干界限,确定了完全图和完全二部图的反符号全控制数。     

关于图的符号圈点控制

引入了关于图的符号圈点控制概念,给出了图G的符号圈点控制数γsc（G）的一个下界,即证明了对于任意n阶图G,若其最小度δ=δ（G）≥2,则有γsc（G）≥2δ-n成立,并且此下界是最好可能的。此外,还确定了几类特殊图的符号圈点控制数。     

关于三叶图的能量变换

图的能量是图的邻接矩阵的特征值的绝对值之和，记为E（G）。用G（n，r）表示为具r个圈的n阶仙人掌图集，当r=3且每个圈为三角形时，称图G为三叶图。主要讨论n阶三叶图之间的能量变换关系。首先得到m（G，k）与bi（G）的关系；其次得到此类图之间满足变换关系Ⅰ、Ⅱ下的能量关系；并证得当T≌Sk，k〉12时的三叶图具有最小能量。     

一个基于现实路网的物流配送优化方法

介绍了基于现实的路网结构,利用Floyd算法,把复杂的路网简化为一个数学上的完全图,将物流配送的线路规划,转换为TSP旅行商问题的方法,再用蚁群算法求解TSP,得到满意解,以此作为配送车辆的行车线路,最后给出了一个模拟算例.     

图的符号控制数的下界

设G是一个图,一个函数,f.V→{-1,+1}如果∑v∈N[u]f(v)≥1对于每个点u∈V成立,则称f为图G=(V,E)的一个符号控制函数.一个图G的符号控制数定义为γs(G)=min｛∑v∈V(G)f(v)|f为图G的符号控制函数｝.该文主要给出了一个图G的符号控制教γs,(G)的若干新下限,并刻划了满足γs,(G...     

一类四正则图的完全亏格分布

一个图G的完全亏格多项式表征了图G的亏格（可定向，不可定向）分布情况．本文推广了Yang和Liu提出的图类，得到了一类新的四正则图，并得出了此类四正则图的完全亏格分布．     

非连通图C3（m，0，0）∪G的优美性

讨论了非连通图C3（m,0,0）∪G的优美性,给出了非连通图C3（m,0,0）∪G的两种优美标号,其中,C3（m,0,0）表示圈C3的（m,0,0）-冠,图G是满足一定条件的平衡图。