某些图的零阶广义的Randic指数与和连通指数

来源 :安徽大学 | 被引量 : 0次 | 上传用户:GYS876
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
对于一个简单的连通图G,其零阶广义Randic指数。0Rα(G)的定义式为:Rα(G)=∑uv∈E(G)[d(u)d(v)]α,其中,α为给定的任意的实数,dG(v)是G中顶点v的度。Randic指数是分子拓扑学中的一个非常重要的指数。物质的分子结构图的Randic指数与其相关的物理化学性质都有很好的联系,这些性质包括沸点,表面积,水溶解度等等。基于此,对于任意的α(≠0,1),它给出了顶点的个数为n,悬挂点个数为七的所有三圈图的零阶广义Randic指数0Rα的一些紧的界。   连通图G中,它的广义和连通指数的表达式为:Xα(G)=∑uv∈E(G)(du+dv)α(α≠0),其中α为任意实数dG(v)是G中顶点v的度。M.Randic等许多的学者们研究了关于苯型烃类的π-电子能量(theπ-electronicenergiesEπ),烷烃剩余汽油层指数(gas-chromatographicretentionindicesofalkanesRI),和脂肪族醇的沸点(boilingpointsofaliphaticalcoholsBP)以及R(G),X(G)他们相互间的线性关系。所以,和连通指数和Randic指数间有很紧密的联系。
其他文献
随机图论是现代图论的一个重要分支,它主要用概率论和随机过程的方法研究图的结构性质和代数性质,以期通过随机的方法来刻画图的各种参数性质,如度分布的存在性,染色数、连通度的
非凸规划问题作为一类重要的优化问题,能广泛应用于经济金融、信息技术、工业制造等多个重要领域.通常情况下,该类问题往往存在多个非全局最优的局部最优解,因此寻找其全局最优
非平衡数据集分类问题是模式识别、机器学习和数据挖掘领域中的常见问题,也是热点问题,吸引着众多学者的眼球。非平衡数据集是指数据集类别之间存在倾斜,某一类别样本比其它
设s,m为给定的正整数,X为3m元集合.X上边为s的3m阶广义Kirkman方,简记为GKS(s,3m),是一个s×s阵列,其满足以下条件:   (1)每一位置或为空,或包含X中的一个3元子集;   (2)每行每
随着现代高维数据的不断积累,以支持向量机为代表的传统统计学习方法不能很好地进行高维变量选择.发展新型的自适应稀疏学习机为进行高维数据挖掘提供了新的思路.为此本文有
混沌作为非线性科学的一个主要分支,近年来已经成为一个研究热点。为了使分析和预测混沌系统行为的利益最大化,必须对混沌系统进行控制。Pecora和Carroll[1]在1990年提出一种混