哈密尔顿图的一类新的局部化充分条件

设L为图G的一个导出子图 ,若有 x ,y∈V(L) ,只要dL(x ,y) =2就有max{dG(x) ,dG(y) }≥ |G| / 2 ,则称L有局部Fan性质 .该文证明了以下结果 .G是一个 2_连通的 {K1.3 ,B1} -free图 .对任意一个整数s≥ 0 ,若G的任一个导出子图L∈ {Bi,0≤i≤s;Zs+2 }均有局部Fan性质 ,则G是Hamiltonian图 ,除非s=2且G H9.由此得到每个 2_连通的 {K1.3 ,Bi,0≤i≤s;Zs+2 }_free图除s =2且该图同构于H9外 ,均为Hamiltonian图 .     

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,若对于任意u,v∈V（G）,有C（u）≠C（v）,称,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）,其中任意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。     

二部图的[r，s，t]-着色

给出了二部图G的[r，s，t]-色数的界及它达到下界时的条件，讨论了星作为特殊二部图的[r，s，t]-色数，得到的结果为若G是二部图，任意v1，v2∈V△，v1v2 （∈/）E（G），任意u∈V△， u1∈NG（u），使得dG（u1）=1，且s≥2t，r≤t，则χr,s,t（G）=（△-1）s＋1；若G是二部图，且r≥（△-1）s＋2t，则χr,s,t（G）（G）=r＋1；若G是二部图，且（△-1）s＋t〈r≤（△-1）s＋2t，则χr,s,t（G）≤（△-1）s＋2t＋1；若G是二部图，则r△＋1≤χr,r,r（G）≤r（△＋1）＋1。     

关于图存在[a,b]-因子的邻域并条件的注记

设G是一个阶为n的图,a,b,k为正整数且1≤a〈b,2≤k≤[b／a],δ（G）为G的顶点的最小度．若δ（G）≥a,n≥（a＋b）（k（a＋b）-2）/b,且对V（G）的任意独立子集{x1,x2,…,xk}有｜NG（x1）∪NG（x2）∪…∪NG（xk）｜≥an／（a＋b）,则G存在[a,b]-因子．     

两类非线性差分方程的全局渐近稳定性

利用泛函分析方法证明差分方程xn 1=∑i∈Zk-{j,s,t}xn-i xrn-t xn-jxmn-s A∑i∈Zk-{j,s,t}xn-i xnm-s xn-jxnr-t A,n=0,1,…,其中k∈{2,3,…},j,s,t∈Zk≡{0,1,…,k}(s≠t,j{s,t}),A,r,m∈[0, ∞)且初始条件x-k,x-k 1,…,x0∈(0, ∞),和差分方程xn 1=∑i∈Zk-{j0,j1,…,js}xn-i xn-j0xn-j1…xn-js 1∑i∈Zk-{j0,j1,…,js-1}xn-i xn-j0xn-j1…xn-js-1,n=0,1,…,其中k∈{1,2,3,…},1≤s≤k,{j0,…,js}Zk(ji≠jl对i≠l)且初始条件x-k,x-k 1,…,x0∈(0, ∞)的唯一平衡点-x=1是全局渐近稳定的.该结果推广了文献[3~5,7]中相应的结果.     

顶点距离大于2的局部化条件与hamiltonian图

对任意正整数i,若图G的导出子图L的顶点满足x,y∈V(L), dL(x,y)=imax{dG(x),dG(y)}≥|G|/2,则称L具有性质DL(i).设C(G)为图G的闭包,本文证明了下述结果任意一个C(G)=G且边连通度≥3的2-连通图,若存在正整数s使得G中的导出子图L满足(i) L(≌)K1.3有性质DL(2);(ii) 任意正整数i,1≤i≤s,L(≌)Bi有性质DL(i);(iii) L(≌)Z s+2有性质DL(s+2),则G为hamiltonian图.由此得到每个边连通度≥3的2-连通{K1.3;Bi,1≤i≤s}-free图, 若C(G)＝G且max{dG(x),dG(y) 对任意导出子图L(≌)Zs+2 ,dL(x,y)=s+2}≥|G|/2,则G一定是hamiltonian图.从而Fan条件中顶点距离可扩展为s+2.     

图的均匀染色问题的神经网络模型

对图G（V,E）,若一正常k-染色f使得││f[i]-│f[j]││≤1（i,j=1,2,…,k),其中f[i]={v│v∈V（G）且f(v)=i},f(v)表示顶点v的色,则称f为G（V,E）的k－均匀染色。图的均匀染色问题就是要确定使图G（V,E）具有k-均匀染色的最小的k。建立了图的均匀染色问题的神经网络模型算法。     

关于二分图的正交因子分解

设 G是二分图 ,fi,gi 是定义在图 G的顶点集 V( G)上的非负整数函数且 gi( x)≤ fi( x) , x∈ V( G) ,1≤ i≤ m。若二分图 G的边能划分成 m个边不交的 [g1,f1]-因子 F1,… [gm,fm]-因子Fm,则称 F={F1,… Fm}是二分图 G的一个 [gi,fi]m1-因子分解 ,又若 H是二分图 G的一个有 m条边的子图 ,若对任意的 1≤ i≤ m有 | E( H)∩ E( Fi) | =1 ,则称 F与 H是正交的。主要研究二分图的正交[gi,fi]m1-因子分解并给出一个结果。     

关于图的减控制数

图G=（V,E）,一个函数f：V（G）→{-1,0,1}称为G的减控制函数当且仅当对任意v∈V有∑u∈N[V]f （u）≥1．令f（V）=∑v∈Vf（v）为f的权．图G的减控制数γ^-（G）=min{f（V）│f是一个减控制函数}．建立了几类特殊图的减控制数的值,并对一般图讨论了γ^-（G）的界．     

ρ-混合相依下回归函数小波估计的相合性

考虑非参数回归模型：Yi = g（ti） ＋ ei （ 1≤ i ≤ n）。其中{ti}是固定设计点列,g（＊）是未知回归函数。令{ei}是ρ-混合相依平稳序列,在比较一般的条件下,研究了未知回归函数g（＊）小波估计的r阶平均相合性以及强相合性。     

齐型空间上Lipschitz函数的一个新刻画

~~的核 Sk( x,y)附加了对称性的要求 .本研究在文 [3]的基础上 ,利用最近 Y.S.Han在文 [2 ]给出的恒等逼近的改进定义给出了 Lipschitz函数类 Lipα的一个新刻画 ,是文 [3]结果的推广 ,其主要结果如下 .定理　设算子列 {Sk}k∈ z[2 ]是齐型空间 ( X,ρ,μ)上的恒等逼近 ,Dk=Sk- Sk-1,f是在任有界集上可积的函数 ,0 <α 相似文献   

哈密尔顿图的局部化临域并条件

采用图的局部化临域并条件 ,本文证明了下述结果 :设G是一个p阶 2 -连通图 ,Li- 相似文献   

关于图的符号边控制数的一些结论

设G=（V,E）是一个非空图,一个函数f:E→{-1,1},如果满足∑e’∈N[e ]f（e’）≥1对于每一条边e∈E（G）均成立,则称f为图G的一个符号边控制函数。图G的符号边控制数记为r’_s（G）,定义为r’_s（G）=min{∑e∈E（G） f（e） | f为图G的一个符号边控制函数}。本文对图的符号边控制函数进行了研究,得到了图的符号边控制数的一个新的下界;并且确定了圆梯P₂×C_n的符号边控制数。     

半群V(n,r)的幂等元秩

设SPCn是[n]上的降序且保序严格部分变换半群。对n≥5和3≤r≤n-2,证明了半群V(n,r)={α∈SPCn:|lim(α)|≤r}是幂等元生成的,且它的秩和幂等秩均为sum from n-1 to k=r((nk)(k-1 r-1))。     

关于P_(2r,2s-1)的k-优美标号

对于简单图G=,如果存在一个映射f:V(G)→{0,1,2,…,|E|+k-1}满足:1)对任意的u,v∈V,若u≠v,则f(u)≠f(v);2)max{f(u)|u∈V}=|E|+k-1;3)对任意的e1,e2∈E,若e1≠e2,则g(e1)≠g(e2),且{g(e1)|e∈E}={k,k+1,…,|E|+k-1},g(e2)=|f(u)-f(v)|,e=uv,则称G是k-优美图,f称为G的k-优美标号.作者研究了一类图的k-优美标号.     

齐型空间上Little wood-Paley“非汉字符号”-函数的Lipα有界性

在θ阶正规齐型空间上 ,设算子列 {Sk}k∈ Z是恒等逼近 ,记 Dk =Sk- Sk-1,DNk =∑| j| 相似文献   

确定双曲型方程未知系数的反问题

本文在有界区域上讨论了一雏线性双曲型方程的初边值问题. {p(x)ux)x q(x)u(x,t) r(x)s(t), (x,t) ∈Ωu(x,0) =f1(x), u1(x,0) =f2(x), 0≤ x ≤ lαtu(0,t) β1ux(0,t)= g1 (t), α2u(l,t) β2ux(l,t)= g2(t), 0≤ x ≤ T 其中αi2 βi2≠0,i=1,2,由给定的平行附加条件u(x,t)=f3(x),确定未知函数r(x)的反问题,得到了反问题解的存在性和唯一性.     

一类奇异边值问题正解存在的充分必要条件

设 0 <α 1,β<0 ,p(t) ,q(t)∈C((0 ,1) ,(0 ,+∞ ) ) ,则边值问题x″+ p(t)xα+ q(t) (x′) β =0 ,0 相似文献   

几乎2-强二部竞赛图及其得分序列

设Tm,n=(X,Y,E)是一个m×n二部竞赛图,且s(v)表示v在Tm,n中的得分.对于u∈Y,记L(u)={v∈V(Tm,n)|u→v且s(v)=n-1}和J(u)={v∈V(Tm,n)|v→u且s(v)=1}.对于v∈X,L(v)和J(v)的定义是类似的.一个强的二部竞赛图Tm,n称为是几乎2-强的,如果对于每一个x∈V(Tm,n),Tm,n-x-L(x)-J(x)是强的.刻划了蕴含几乎2-强二部得分序列的特征.此结论包含了蕴含2-强二部得分序列的特征.