一些网络的条件匹配排除

来源 :山西大学 | 被引量 : 1次 | 上传用户:narflgvdh1
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
随着科技的不断进步,越来越多的超大规模并行计算机处理系统得以实现.而在这些系统中最重要的是处理器之间的拓扑结构,即网络.网络的拓扑性质直接影响着系统的性能.HL-图和k元n方体是两类应用比较广泛的网络.  给定顶点数均为n的两个图G0和G1,令Vj和Ej分别表示图Gj(j=0,1)的顶点集和边集.设V0={v1,v2,…,vn},V1={w1,w2,…,wn},P=(i1,i2,…,in)是{1,2,…,n}的一个排列,则G0⊕p G1表示具有2n个顶点的图,其顶点集V=V0∪V1,边集E=E0∪ E1∪E2,其中E2={vjwij|1≤j≤n}.G0⊕G1表示通过任意的排列P组合G0和G1所成的图.令HL0=K1;对m≥1,HLm={G0⊕G1|G0,G1∈HLm-1},称HLm中的元素为m维HL-图.m维HL-图中的二部图称为m维二部HL-图.  k元n方体是一个含有kn个顶点的图,每个顶点可表示为u=u0u1…un-1,其中0≤ui≤k-1,0≤i≤n-1.顶点u=u0u1…un-1和v=v0v1…vn-1相邻当且仅当存在整数j,0≤j≤n-1,满足uj=vj±1(modk),并且ui=vi,i∈{0,1,…,n-1}{j}.  随着处理器的不断增加,网络故障是不可避免的,在故障网络中是否仍然保持原有的一些好性质显得尤为重要.完美匹配和几乎完美匹配就是其中的一个重要方面.  取G的一个故障边集F,若G-F既没有完美匹配,也没有几乎完美匹配,则称F是G的一个匹配排除集.G中边数最少的匹配排除集的基数称为G的匹配排除数.由关联于一个顶点的所有边组成的匹配排除集称为平凡的匹配排除集.若G-F中既不包含孤立点,也没有完美匹配和几乎完美匹配,则称F是G的一个条件匹配排除集.G中边数最少的条件匹配排除集的基数称为图G的条件匹配排除数.取G的任意一条路u-v-w,由关联于u或w但不与v关联的所有边组成的条件匹配排除集称为平凡的条件匹配排除集.  在本文中,我们主要研究了二部HL-图和k元n方体的条件匹配排除数和最优条件匹配排除集,主要内容分为三章.  第一章,介绍了关于匹配排除的一些概念和基本结论.  第二章,研有究了二部HL-图的最优条件匹配排除集,证明了二部HL-图的最优匹配排除集是平凡的.  第三章,研究了k元n方体的条件匹配排除数,最优条件匹配排除集.主要结果如下:  (1)3元2方体的条件匹配排除数是6,刻画了3元2方体的最优条件匹配排除集.  (2)当k≥4是偶数时,k元n方体的最优条件匹配排除集是平凡的.
其他文献
该文研究了一阶比例延迟微分方程解的稳定性和收敛性,分为如下几个部分: 第一部分介绍了延迟微分方程的很多应用和四十多年来延迟微分方程解析解稳定性理论及数值解稳定性理
微分方程的振动性是微分方程定性理论的一个重要分支,它起源于Sturm提出的二阶线性常微分方程x"(t)+q(t)x(t)=0.之后几十年微分方程的振动性理论有了很大进展,并且随着科技的进
2013年5月25~28日,由中国作物学会大豆专业委员会主办,中国农业科学院油料作物研究所承办的“第九届全国大豆学术讨论会”在武汉召开。来自国内105家科研院所、高等院校、管理
该文首先针对弹性固体地层模型,研究井内点声源激发的井外场,分析了临界折射纵波的位移特点.结果表明,无论在硬地层中,还是在软地层中,临界折射纵波都既存在平行于传播方向的
微分代数方程(DAE)在电子、电力等系统中有着重要的应用.本文首先采用DAE的几何观点统一地叙述Reich,Rabier,Rheinboldt,Thomas和Tuomela等人的工作.根据DAE的几何理论,对DAE完备
本文研究了Rd(d>1)上局部Ap权的基本性质.局部权是将经典Ap权中的方体Q转化为一类具有某一特性的方体,这类方体是远离坐标原点的,我们称这样的权叫做局部Ap权.局部Ap权是对Ap
论文在对群体决策理论作简要回顾和评述的基础上,通过从系统的角度对群体决策目标体系的特征、结构、关联等特征分析和不同评价指标组合规则的探讨,研究基于层次分析法的多目
越来越多的应用软件采用B/S结构,向组件、分布式方向发展,目前主流的分布式对象技术有DCOM/COM+,JavaRMl,CORBA,该文在集成性、扩展性、可用性方面进行了对比.后两者具有跨平
该文主要研究了自变量分段连续型混合延迟微分方程,自变量分段连续型泛函多延迟微分方程和自变量分段连续型混合泛函多延迟微分方程线性θ-方法和单腿θ-方法的数值稳定性.首
该论文包含四章.第一章,介绍该论文的选题背景,并对已有的工作进行扼要的介绍;第二章,通过引进的熵密度偏差的概念,给出估计m值信源的熵密度与有限非齐次马氏信源的平均随机