反问题方法的一例

本文通过对求最短连线问题的Greedy算法的研究过程,试图说明数学方法论中反问题研究的一种思想方法。     

寻找最小生成树的度优先算法

利用Ｋｒｕｓｋａｌ和Ｐｒｉｍ算法的优点，从图的每个顶点的度数入手，采取删除某些无用边的思想方法，给出了一个寻找最小生成树的算法。算法的最坏复杂度为Ｏ（ｍ－ｎ）ｌｏｇｍ），平均复杂度为Ｏ（（ｍ－ｎ）ｌｏｇｎ），就复杂度的常数因子而言，均优于Ｋｒｕｓｋａｌ算法与ｋｉｍ算法，其中ｍ为图的边数，ｎ为图的顶点数。     

关于最小欧拉定向的算法

给出了无向边集是支撑树的混合图为欧拉图的充要条件，在此基础上，结合Guan和Pulleyblank算法，给出了另外一种求解最小欧拉定向的算法。     

树扩图生成树数的界

连通图的生成树是指该图的极小连通生成子图．在Cayley公式的基础上，给出树扩图生成树数的上下界．     

多叶生成树及N.Linial猜想

利用简单图G 的最小支配集顶点数γ刻画了该图的最多叶生成树中叶数的下确界。即 L(G)≥n-3γ+2。其中 L(G)表示图 G的生成树的叶数,n是G 的顶点数。同时对于 N.Linial 关于r-正则留图的最多叶生成树叶数的猜想公式 L(G)≥n·((r-2)/(r+1))+d 中的 d做出了估计,即 d≤(r+4)/(r+1) r=2k d≤(r+7)/(r+1) r=2k+1     

The runt test for multimodality

Single linkage clusters on a set of points are the maximal connected sets in a graph constructed by connecting all points closer than a given threshold distance. The complete set of single linkage clusters is obtained from all the graphs constructed using different threshold distances. The set of clusters forms a hierarchical tree, in which each non-singleton cluster divides into two or more subclusters; the runt size for each single linkage cluster is the number of points in its smallest subcluster. The maximum runt size over all single linkage clusters is our proposed test statistic for assessing multimodality. We give significance levels of the test for two null hypotheses, and consider its power against some bimodal alternatives. Research partially supported by NSF Grant No. DMS-8617919.     

步数可变循环图中生成树的计数

生成树的个数是评估图(网络)可靠性的一个重要且被广泛研究的量.一般的图还无简单有效的算法计算生成树的个数,利用切比雪夫多项式的性质推出了步数可变循环图中生成树计数的在线性时间内即可实现的算法,并应用于具体的图中.     

3-连通图支撑树上的可去边数

设e是3-连通图G的一条边,若G-e是某个3-连通图的部分图,则称e是G的可去边.我们对3-连通图G的支撑树上可去边数进行了研究,给出了"阶至少为6且最小度为4(或围长至少为4)的3-连通图G的支撑树上的可去边数至少为2"的简化证明,证明了3-连通3正则图的支撑树上至少有2条可去边.     

竞赛图中的完美对集

Lichiardopol在离散数学-竞赛图中经过给定的0,1,2个公共顶点的圈一文中提出以下两个公开问题;对于阶为2n+1的正则竞赛图T,(a)对任意的一个顶点w,是否存在n个有向三角形Ti生成T,且使得V(Ti)∩V(Tj)=w(1≤i相似文献   

图结构上下文及在图聚类中的应用

图结构特征的提取以及距离度量是计算机视觉和模式识别中的重要内容。针对传统的图上下文描述子中只考虑每个柱形区域内的特征点数目而忽略特征点之间的结构信息的问题,提出一种图的结构上下文描述子及距离度量方法。首先对图的所有顶点建立图结构上下文描述子;其次,利用二次卡方（QC）距离方法实现图的距离度量;最后,采用最小生成树聚类算法实现图聚类。实验表明,该方法对于一些非刚性变换的图聚类有较好的效果。