扇与Halin图的一致膨胀图的关联色数

设图G的点集V（G）={v1，v2，…vn}，G的膨胀图R的点集V（FG）=V1UV2U…UVn，且对X∈K，y∈Vj，有xy∈E（FG），当且仅当i=j或ViVj∈E（G）。若对所有的i，满足｜Vi｜=t，则称其为G的一致膨胀图。给出了扇与△≥6的Hahn图的一致膨胀图的关联色数，它们均为该膨胀图的最大度加1。     

泛圈图的一个充分条件

在文[1]中给出定理,设G是一个n-阶2-连通图且δ（G）≥t,若对于G的任意两个不相邻的点u和v,均有｜N（u）∪N（v）｜≥n-t成立,则G是一个泛圈图或G≌Kn/2,n/2.本文的目的在于将此定理的条件减弱,只对图中距离为2的点进行讨论,得出了泛圈图的一个充分条件.文中主要用数学归纳法对定理进行证明,先在引理中给出了几种特殊情况的证明,接着在定理的证明中讨论了一般情形.     

三色Ramsey数尺（Cm1，Cm2，Cm3）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G1,如果存在一种着色方法使得对所有的1≤i≤r都满足Hi￠Gi，则称图G对于（H1，H1，…．Hr）可r着色．Ramsey数尺（H1，H2，…，Hr）是使得完全图Kn对于（H1．H2，…，Hr）不可r着色的最小正整数n，令m1〉m2≥m3，Erdoes等给出了当m1足够大时R（Cm1，Cm2，Cm3）的值．通过对m1不是足够大的情况进行研究，证明了当m≥5时，R（Cm，C3m,C3）=5m=4；并给出了当m1≤7时R（Cm1，Cm2，Cm3）的值．     

含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

图Sm*Cn的邻点可区别的边色数

定义图Sm*Cn为V（Sm*Cn）={ω,uij}i=1,2,…,m;j=1,2,…，n},E(Sm*Cn)={wuil}i=1,2,…m}∪uijuij 1}i=1,2,…,m;j=1,2,…，n-1}∪}uinuil|i=1,2,…，m}，文章给出了Sm*Cn的邻点可区别的边色数。     

矩阵方法求赋权图中最短路的算法

目的 给出一些计算赋权图中任意两个节点之间最短路的算法。方法 利用矩阵方法。结果 给出了赋权图中任意两点之间最短路的算法；任意两点之间在含有最少边数情况下的最短路算法；赋权图中的所有最短路算法，以及前N条最短路的算法。结论 所研究的算法解决了传统算法的某些不足，因基于矩阵运算，程序设计简单，实用性强。     

关于图同构复杂性的一点补充

在图G=(V，E)中，删除其度数最大的顶点及其关联的边，在余下的子图中，如法炮制，直至余下的子图为零图．设所删除的这些顶点x1，x2，…，xi的度数依次为P1，P2，…，Pl，称序列P1，P2，…，Pl为图G的度序列；xi(1≤i≤l)关联的边的另一端点在G中的度数的集合称为顶点五关联的度集合．通过计算、比较两图的度序列、被删除的顶点的度数以及它们关联的度集合，证明两图同构问题的复杂度是多项式的．     

蕴含K1，1，3的正可图序列的最小度和

Gould R J等人考虑了下述经典Turán型极值问题的变形对于给定的图H,确定最小的正偶数σ(H,n),使得对于每一个n项正可图序列π=(d1,d2,...,dn),当σ(π)=d1+d2+...+dn≥σ(H,n)时,π有一个实现G以H作为子图.本文完全确定了σ(K1,1,3,n)之值,其中Kr,s,t是r×s×t完全三部图.     

一类极大临界2连通图的结构

引入图的粘合的概念，讨论了极大临界2连通图G的性质，给出了一个图是这类图的一个充要条件。由此给出该类图的一种新的构造方法，即G能按条件先粘合一系阶大于2的完全图的边，然后粘合四圈C4的t个拷贝得到．     

有限集上的一类映射的计数

设A是有限集,|A|=n,F(n,m)是从A到A的映射中满足fm(x)=f(x)的映射f的个数,在此给出了计数函数F(n,m)的一个表达式.