若干多重Mycielski图的邻点可区别I-全色数

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (25): 39-41.

若干多重Mycielski图的邻点可区别I-全色数

田京京

陕西理工学院数学系，陕西汉中 723000

出版日期:2012-09-01 发布日期:2012-08-30

Adjacent vertex-distinguishing I-total chromatic number of some kinds of k-multi-Mycielski graph

TIAN Jingjing

Department of Mathematics, Shaanxi University of Technology, Hanzhong, Shaanxi 723000, China

Online:2012-09-01 Published:2012-08-30

摘要/Abstract

摘要： 根据路和星、圈的多重Mycielski图的结构性质，用穷染递推的方法，讨论了图[Mn(Cm)]和[Mn(Pm)]，以及[Mn(Sm)]的邻点可区别I-全染色，得到了图[Mn(Sm)]和[Mn(Pm)]的邻点可区别I-全色数等于它们的最大度，图[Mn(Cm)]的邻点可区别I-全色数在m=4，5时等于它的最大度加1，其余情况等于它的最大度，即分别给出图[Mn(Sm)]和[Mn(Cm)、][Mn(Pm)]一种染色方案。

关键词: 图, 星, 路, 圈, 多重Mycielski图, 邻点可区别I-全染色, 邻点可区别I-全色数

Abstract: According to the properties of the k-multi-Mycielski graph[Mn(Sm)] and [Mn(Cm)],[Mn(Pm)], the adjacent vertex-distinguishing I-total coloring of some kinds of k-multi-Mycielski graph[Mn(Sm)] and [Mn(Cm)],[Mn(Pm)] have been discussed. The adjacent vertex distinguishing I-total chromatic number of [Mn(Sm)] and [Mn(Cm)],[Mn(Pm)] has been obtained. And the coloring method of the k-multi-Mycielski graph [Mn(Sm)] and [Mn(Cm)],[Mn(Pm)] has been given.

Key words: graph, star, path, circle, k-multi-Mycielski graph, adjacent vertex distinguishing I-total coloring, adjacent vertex distinguishing I-total chromatic number

田京京. 若干多重Mycielski图的邻点可区别I-全色数[J]. 计算机工程与应用, 2012, 48(25): 39-41.

TIAN Jingjing. Adjacent vertex-distinguishing I-total chromatic number of some kinds of k-multi-Mycielski graph[J]. Computer Engineering and Applications, 2012, 48(25): 39-41.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[4]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[5]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[6]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[7]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[8]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[9]	贾香恩，董一鸿，朱锋，钱江波. 异构图卷积网络研究进展[J]. 计算机工程与应用, 2021, 57(9): 36-49.
[10]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[11]	周彦，旷鸿章，牟金震，王冬丽，刘宗明. 面向半稠密三维重建的改进单目ORB-SLAM[J]. 计算机工程与应用, 2021, 57(8): 180-184.
[12]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[13]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[14]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[15]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.