图的最大局部密度

引入了图的最大局部密度的概念并讨论了该参数与图的其他一些参数的关系。改进了Ｂｒｏｏｋｓ定理。给出了Ｂｏｕｃｈｅｔ等人关于对角着色的定理的一个简短证明。     

图的最小最大分支

在图的顶点数和边数给定的一类图簇中，主要对图的最小最大连通分支的大小以及结构进行了研究，并且得到若干有意义的结果，这些结果为最小最大连通分支的应用提供了理论基础。     

双圈图最大特征值的上界

本文将所有ｎ阶连通双圈图划分为Ａｎ（ｐ，ｑ）与Ｂｎ（ｓ，ｔ，ｍ）两类，然后分别讨论了在其最大特征值λ１（Ｇ）的上界，并找到了达到上界的极图。     

求解图最大团的并行算法

本文给出了一个求解图中最大团的异步并行算法。在算法中采用了最优先搜索和分枝限界法等人工智能搜索技术,避免了无意义的搜索。其特点是易于在共享内存多处理机的并行计算机上实现,其执行时间曲线表明,对图中任意2点之间边存在概率小于1/3的无向图,具有较高效率的求解过程。还给出了在一定条件限制下,求解 NP—完全问题的方法。     

一类循环图的最大团

求出了循环图Cn(a1,a2,…，ak)在转移序列满足一定条件时的最大团的阶及其个数，当项点数为最大转移数的2倍与各转移数之和形式时，最大团的阶为3，其余情况最大团的阶为2。     

图的最大独立集数上界

本文记明了简单连通图的最大独立集数上界定理和与图的最大独立集有关的其它几个定理。这些定理为构造求图的最大独立集的启发式算法奠定了基础。     

F—图的最大边数

文献[2]求出了临界h-连通图中一个特殊图类—A-图的最大边数.本文推广了这一结果,使其适用于一个更广泛的图类—F-图.     

基于局部稠密度的社团划分算法

社团划分是研究复杂网络结构与功能之间关系的基础,提出了一种基于局部稠密度的社团划分算法。算法首先计算网络中节点的局域密度,从局域密度最大的节点v开始,找出以节点v及其邻居如果αlocal(vi)≥γin则将其设为初始社团S。首次定义了节点的入团率β,并且使用整体和单个入团的方式将节点加入到初始社团中,直到αlocalγout时算法停止。然后再使用内部连接P来检测社团划分的效果,并将错误划分的节点重新归类。把这个算法用在三个社会网络中,都得到了正确的划分。并用MATLAB仿真结果表明:划分出的社团内部连接相当紧密,从而达到了内部连接紧外部连接稀疏的划分社团的要求。此算法不需要计算模块度,在找到初始社团后,并不需要对整个网络的所有节点进行计算,只需计算其一阶邻居节点。这样算法所占用时间少,结果精确率高。     

图的最大亏格与面度

利用图在曲面上的嵌入特征,特别是面的度的大小,研究图的最大亏格的下界.     

图的最大亏格与面度

利用图在曲面上的嵌入特征,特别是面的度的大小,研究图的最大亏格的下界.     

寻找最大独立集的算法

提出两种基于贪婪思想的局部搜索算法寻找给定图的最大独立集,通过测试第二种算法在图密度小时更优与第一种算法.由于局部搜索算法的缺陷,修改邻域函数与顶点的选择是进一步研究的问题;考虑到算法的有效性,时间复杂度和近似算法的比较也是值得进一步研究的方向.     

Neumann问题的局部最大值点

利用反证法证明 ,在奇异扰动Neumann问题上 ,uε =mε1p- 2 wε 至少有两个局部最大值点 .     

关于无爪图最大团数的一个估计

设图G＝（V，E）是一个简单连通图，称所有同边e关联的边集为e的边邻集，记为Г(e)，并称|Г(e)|为e的边度，记为d(e)。在此基础上给出了有关线图的一个充分必要条件和关于无爪图最大团的一个估计。     

3-正则图的最大亏格计算公式

本文主要讨论了三正则连通图的叶子数l(T)以及叶子数与图的最大亏格γM之间的关系,并给出了3-正则图的最大亏格的计算公式:γM=12(l(T) pα-pβ);这里,T是图G的XUONG树,l(T)是T的叶子数;pα,pβ分别是G-T的偶长路数和奇长圈数.作为应用我们计算了若干类图的最大亏格.     

多部图的最大匹配算法

匹配理论是图论中一个重要的分支,已被广泛地应用于许多领域,如组合优化、线性规划、人工智能和矩阵论等.给出一个求解多部图的最大匹配算法,并用仿真例子说明其实用性和有效性,此算法为解决复杂的指派问题开辟了新途径.     

关于图的顶点划分数

该文讨论了无爪图的顶点划分数,给出了完全n部图的顶点划分数的计算公式,最后证明了任意图的点线荫度不大于它的边线荫度且不等式是精确的.