树图和大次和条件图的上可嵌入性研究

来源 :华东师范大学 | 被引量 : 0次 | 上传用户:maxin_smart
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自从E.Nordhaus,B.Stewart和A.White等人引进图的最大亏格的概念以来,最大亏格及其相关概念图的上可嵌入性嵌入引起人们的广泛关注.由R.Duck图的亏格插值定理知:考虑图G的所有可定向嵌入的曲面,只需确定它的亏格r(G)与最大亏格rM(G).G的最大亏格rM(G)是指存在最大的整数k使得G在亏格为k的可定向曲面S上有2-胞腔嵌入.由于图在任意曲面上2-胞腔嵌入至少有一个面,由Euler公式知:rM(G)≤[β(G)/2],这里β(G)=|E(G)|-|V(G)|+1称为图G的Betti数.如果rM(G)=[β(G)/2],称图G是上可嵌入的. 关于图的上可嵌入性,刘彦佩[5]和Nebskey[7]分别给出了不同形式的充要条件;黄元秋和刘彦佩[19]从另一相反角度出发,提供了一个关于不是上可嵌入图的充要条件.由此充要条件,本文主要对一些满足特殊条件的图的上可嵌入性和树图的上可嵌入性进行专门研究,共分为四章. 在第一章中:集中探讨了双圈图的树图的上可嵌入性.双圈图An(1,l2)的树图是l1+l2-2正则图,且是上可嵌入的,其最大亏格为:γM(GT)=[β(GT)/2]=[l1·l2·(l1+l2-4)+2/4]-γM(GT)=β(GT)=l1·l2·(l1+l2-4)/2+1.在第二章中:集中探讨了连通图的(邻接)树图的上可嵌入性.若图G可2胞腔嵌入到可定向曲面S上,且G嵌入S后至多只有2个面,称G在S上是上可嵌入的。本文证明了如下结果:若图G是连通图,则G的邻接树图G1、树图GT都是上可嵌入的. 在第三章中:集中探讨大次和条件图的上可嵌入性.设G是k点连通图,若对任一{X1,X2,…,Xk+1}-独立集均有d(x1)+d(x2)+…+d(xk+1)≥n-k(n=|V(G)|),则称G是满足大次和条件的图;我们证明了如下结果:若大次和条件图G是简单图,则G是上可嵌入的.本章还指出了,若大次和条件图G不是简单图,不一定是上可嵌入的,并分别给出几个不能上可嵌入的大次和条件图. 在第四章中:本章给出一个三角等式的初等证明,同时给出了这三角等式的两种高数证法及一个图论证明,体现了高等数学在解决一些初等问题上的简捷性和优越性.
其他文献
本文研究了某些特殊组合恒等式的自动证明算法及某些特殊序列发生函数的自动求解算法.论文的主要内容如下:第一章简要地介绍了组合恒等式证明理论的发展进程.第二章介绍组合
  本文的研究重点是印刷体英文识别技术。传统的印刷体英文识别系统很大程度上依赖于字符分割的好坏。字符分割的难点在于如何解决粘连字符的分割问题,特别是对小字号的字符
神经网络在神经生理学、神经解剖学的范畴内,指的是生物神经未网络;在信息计算机科学等领域内,指的是向生命学习而构造的人工神经网络。神经网络的研究实质是ANN 向BNN 学习
学位
网络技术的飞速发展和Internet的普及使得人们拥有了大量可供选择的信息资源,而如何有效和快速的获取这些资源成了众人关心和研究的问题。搜索引擎的出现提高了信息查找的效
摘要:本论文主要对前馈神经网络混合训练算法进行了研究.近些年,由于神经网络的兴起,其学习算法成为一个非常热门的研究领域之一.而混合训练算法的提出更是给该领域注入了新活
自从Lorenz提出“蝴蝶效应”以来,混沌已经引起了数学,物理学和工程技术人员的极大兴趣。特别是进入二十世纪八十年代以来,混沌学更是与其它科学相互渗透、相互发展,无论是在生物
本文主要研究模糊学习过程一致收敛速度的界。首先讨论了模糊随机变量的函数及d度量的性质;其次就损失函数集的数量为有限和无限两种情况,分别给出模糊学习过程收敛速度的界,并
图的标号着色来自所谓的频道分配问题:某一区域有若干电台,不同的电台要使用无线电波发送信号,为了避免相互干扰,位置十分接近的电台要使用相差足够远的频道,位置较近的电台要使用