有关小树宽图和对集可扩图算法的研究

被引量 : 0次 | 上传用户:haidiaiqing
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
本论文研究了图论领域的两个问题及其应用:小树宽图和对集可扩图。 近二十五年来,树宽这一概念在图论算法研究的许多方面起到了重要的作用。小树宽图在众多领域都有应用。许多通信网络的拓扑结构都是小树宽图。在化学领域,对LIGAND数据库里面9712种化合物计算树宽后发现:除一个外,其余物质结构图的树宽都不大于3;例外物质的树宽为4。使用常用编程语言(例如C语言)编写的不含goto语句的程序,其控制流图的树宽以一个小常数为上界。 Halin图的树宽不大于3。由于Halin图是对环形和树形网络一种非平凡的概括,本文研究了Halin图中与网络路由相关的几个问题。 第二章解决了Halin图中费用最优的Hamilton路的问题。Hamilton路问题有三个版本:不指定端点、指定一个端点和指定两个端点。论文给出了求解三个版本最优Hamilton路的线性时间算法。 第三章探讨了Halin图中圈覆盖问题。一个图的圈覆盖是一组圈使得图中所有的选定顶点至少在这组圈的一个圈中。圈覆盖问题起源于环形光纤通信网络的设计:采用一系列的圈去覆盖要传输数据的子网络。除了两个版本的最优圈覆盖问题以外,本文还解决了用一个费用最优的2-边连通子图去覆盖给定顶点集的问题。针对本章的三个问题,论文都给出了线性时间的算法。 第四章研究了并行计算环境中树分解的根选取问题。树分解是图论中最重要的几个分解之一。在小树宽图上求解问题,第一步就是求解给定图的树分解。并行计算树分解的一个先决条件就是为树分解选定一个根。并且根的选择会影响处理时间。论文给出了求解使完成时间最早的根的算法,算法的时间复杂度为O(d|V(T)|),其中d是树T中最长路的长度。第五章给出了判定1-可扩图的算法。最坏情况下,算法是O(|V||E|)时间的。该算法的复杂度与目前最快的由Carvalho和Cheriyan提出的算法是一样的。但是本文的算法要比后者简单很多。此外,论文给出了算法实现的细节。 第六章研究了(n,K,d)-偶图。论文给出了求解使得给定图为(n,K0,0)-偶图的最大正整数K0的算法。算法的时间复杂度为O(|V||E|)。此问题在设计任务管道和处理机之间的线路有应用:刻划了某些任务要指定处理机,但同时有些处理机不可用的情形。论文给出了有关(n,K,0)-图连通度的结论。此外,论文还给出了判定(0,1,d)-图的算法,其时间复杂度为O(IV||E|)。 第七章解决如何加最少的边把给定偶图扩展为1-可扩偶图的问题。鉴于Gabow和Jordan给出了如何加最少的边把有向偶图扩展为强连通图的算法;并且当给定图的一个完美对集时,1-可扩偶图可以转换为有向强连通偶图。本文主要证明了需要添加的最小边数不依赖于完美对集的选取。 第八章对本文进行了总结,并给出了几个有待进一步研究的问题。
其他文献
物流产业是现代社会化大生产和专业化分工不断加深的产物,随着我国经济的增长和服务业的快速发展,物流行业不仅影响着社会的发展和人民生活水平的提高,而且也是衡量一个国家现代
构造了高阶loop代数A2的一个特殊子代数,由此建立了一个3×3等谱问题,利用屠格式得到了一族Liouville意义下的可积Hamilton方程.通过建立双对称约束,得到了该方程族的两组约
统计分析软件用于对已有业务数据的分析,可以发现数据中隐藏的内在联系和潜在规律,可以有效支持各个行业的业务分析,给予决策者以有效的帮助。一般的统计软件把数据存储、数
目的 研究老年心肌梗死患者通过人性化护理的应用效果观察.方法 将我院收治的140例老年心肌梗死患者作为研究对象,将患者分对照组70例和观察组70例.对照组对患者进行常规护理
数据网格提供了一个高性能、大容量、高速传输的并行分布式广域计算平台,解决了分布异构的广域网环境下大规模海量数据的一体化存储和管理问题。为了有效降低数据访问延迟、
图像匹配算法的目标是寻找图像之间的同质区域,进而根据同质区域的映射,建立图像之间的空间对应关系。图像匹配是计算机视觉领域中的一个关键问题,也是三维重建、目标跟踪、目标
网络业务的快速增长对互联网服务质量提出更高的要求,而作为业务交换节点成为制约网络性能的“瓶颈”。由于互联网络复杂的动态特性可以通过网络所承载的流量来反映,同时网络
彩铃业务是一项由被叫(或主叫)用户定制,为主叫用户提供一段悦耳的音乐或一句问候语来替代普通回铃音的业务。用户申请开通彩铃业务之后,可以自行设定个性化回铃音,在其做被
随着数字化技术和网络技术的飞速发展,数字化信息可以以不同的形式在网络上方便、快捷地传输。由于图像、视频、音频等多媒体信息都能以数字形式获得,制作其拷贝非常容易。从
随着存储体系规模的增大以及数据访问密集度的增加,集中式元数据管理已经渐渐不能胜任。现今的高性能计算不仅对存储系统的I/O带宽和元数据处理性能提出了很高的需求,而且对