完全四部图的Seidel多项式及其谱

设G是一个简单无向图,A(G)是图G的(0,1)邻接矩阵.定义S(G)=J-I-2A(G)是图G的Seidel矩阵,SG(λ)=det(λI-S(G))是图G的Seidel特征多项式(本文中简记为Seidel多项式),其中I是单位矩阵,J是全1矩阵.如果SG(λ)的特征值都是整数,则图G被称为是S-整图.本文主要研究完全四部图G=Kn1,n2,n3,n4的Seidel多项式及SG(λ)的特征根,给出了完全四部图Kn1,n2,n3,n4是S-整图的充要条件.     

k-连通的强-［k+4,2］图的Hamilton路

如果G的任意s个点的导出子图中至少含有t条独立边,则称图G为强-［s,t］图。本文证明了以下结果：设G是k-连通的强-［k+4,2］图,且δ≥k+1,则G或者有Hamilton路或者同构于(∪^k+2_i=1H_i)∨G_k,其中H_i≌K₂,i=1,2…k+2,G_k是含有k个点的任意图。     

2-连通P3-支配图的Hamilton圈

如果图G中任意一对距离为2的顶点x,y,有J(x,y)∪J′(x,y)≠Φ,则称G为P₃-支配图。本文证明了：设G是n(≥3)阶2-连通P₃-支配图,如果对G中任意一对不相邻的顶点x,y,有2|N(x)∪N(y)|+d(x)+d(y)≥2n-5,则G含有Hamilton圈或者G∈{K_2,3,K_1,1,3}。     

一个本原图的scrambling指数

若存在非负整数k（k〉0）,D中的每一对顶点（u,v）都存在另一顶点w,使得从w到u和v都有长为k的途径,且这个k是所有满足上述条件中的最小的整数,就是D的scram-bling指数,记作k（D）.文章给出了一个特殊的本原图的scrambling指数.     

mC_7的点可区别全染色

考虑m个长为7的圈点不交的并mC7的点可区别全染色问题.通过构造以色集合为元素的矩阵,利用色集合事先分配法及递归法确定染色,得出了mC_7的点可区别全色数的确切值.结果表明VDTC猜想对图mC_7成立.     

围长≥7最大度≥5的平面图的无圈列表边染色

对图G的一个正常边染色,如果图G的任何一个圈至少染3种颜色,则称这个染色为无圈边染色.若L为图G的一个边列表,对图G的一个无圈边染色φ,如果对任意e∈E(G),都有φ(e)∈L(e),则称φ为无圈L-边染色.用a′_(list)(G)表示图G的无圈列表边色数.论文证明:若图G是一个平面图,且它的最大度Δ≥5,围长g(G)≥7,则a′_(list)(G)=Δ.     

关于圈龙图的奇优雅性

图的标号主要有(奇)优美标号、和谐标号、幸福标号、魔幻类标号等.圈龙图和多毛圈龙图可以作为计算机网络的模型.证明了圈龙图和多毛圈龙图都具有奇优雅标号,证明方法能够算法化,为网络模型的密码和可区别性研究提供了理论依据和可行的工具.     

基于因子图的Turbo码译码

Turbo码和LDPC码都可以实现接近Shannon理论极限的性能，Turbo码由于成员RSC码所固有的移位寄存器特性使得其编码较为容易实现，而对于接近Shannon容量的LDPC码，则需要大量的矩阵乘法运算才能完成信息的编码，电路实现较为复杂，另一方面，采用和积算法的LDPC码的译码过程则比采用BCJR算法（及其简化形式）的Turbo译码更加容易实现，且计算复杂度更低，将Turbo编码与LDPC码的译码相结合，对Turbo采用基于其因子图表示的和积译码算法进行译码，可以在很大程度上降低Turbo码的译码复杂度，并对交织器的设计及成员码的选择有一定的指导作用，仿真结果证明了该方案的有效性。     

铁路集装箱中心站列车装卸作业的仿真研究

铁路集装箱中心站装卸场作为中心站的重要组成部分,其运作效率是铁路集装箱运输竞争力的直接体现.利用离散事件仿真原理,将事件图方法与之相结合建立铁路集装箱列车装车作业仿真模型,并对模型进行验证,并分别考虑了在不同作业模式下中心站内运输卡车数量的配置对装卸设备作业效率的影响.实例仿真结果表明该模型为铁路集装箱中心站资源设施的配置规划提供了一种有效的决策手段.     

单圈图的解析(英文)

得到了一些特殊图类的解析值.~利用数学归纳和分类讨论的方法,~%给出固定阶数的单圈图的解析的紧的界.~%证明了在所有阶数为~$n$~的单圈图中,~%图~$\Delta_{n-3}$~取得最小的~$a(G)$~和~$b(G)$;~图~$K_{1,n-1}^{+}$~%取得最大的~$a(G)$~和~$b(G)$.~%这里图~$\Delta_{n-3}$~是由联结~$K_{3}$~一个顶点和~$P_{n-3}$~的一个端点而得到,~%图~$K_{1,n-1}^{+}$~是由联结图~$K_{1,n-1}$~中两个度为~$1$~的顶点而得到.