Motivated by frequency assignment problems in wireless broadcast networks, Goddard, Hedetniemi, Hedetniemi, Harris, and Rall introduced the notion of $S$-packing coloring in 2008. Given a non-decreasing sequence $S = (s_1, s_2, \ldots, s_k)$ of positive integers, an $S$-packing coloring of a graph $G$ is a partition of its vertex set into $k$ subsets $\{V_1, V_2, \ldots, V_k\}$ such that for each $1 \leq i \leq k$, the distance between any two distinct vertices $u, v \in V_i$ is at least $s_i + 1$. In this paper, we study the $S$-packing coloring problem for Halin graphs with maximum degree $Δ\leq 5$. Specifically, we present a linear-time algorithm that constructs a $(1,1,2,2,2)$-packing coloring for any Halin graph satisfying $Δ\leq 5$. It is worth noting that there are Halin graphs that are not $(1,2,2,2)$-packing colorable.


翻译:受无线广播网络中频率分配问题的启发,Goddard、Hedetniemi、Hedetniemi、Harris和Rall于2008年提出了$S$-包装着色的概念。给定一个非递减的正整数序列$S = (s_1, s_2, \ldots, s_k)$,图$G$的一个$S$-包装着色是指将其顶点集划分成$k$个子集$\{V_1, V_2, \ldots, V_k\}$,使得对于每个$1 \leq i \leq k$,任意两个不同顶点$u, v \in V_i$之间的距离至少为$s_i + 1$。本文研究了最大度$Δ\leq 5$的Halin图的$S$-包装着色问题。具体而言,我们提出了一种线性时间算法,该算法可为任何满足$Δ\leq 5$的Halin图构造一个$(1,1,2,2,2)$-包装着色。值得注意的是,存在一些Halin图不是$(1,2,2,2)$-包装可着色的。

0
下载
关闭预览

相关内容

在数学和计算机科学之中,算法(Algorithm)为一个计算的具体步骤,常用于计算、数据处理和自动推理。精确而言,算法是一个表示为有限长列表的有效方法。算法应包含清晰定义的指令用于计算函数。 来自维基百科: 算法
【ICLR2022】GNN-LM基于全局信息的图神经网络语义理解模型
IEEE TPAMI | 基于标注偏差估计的实例相关PU学习
专知会员服务
12+阅读 · 2021年10月23日
专知会员服务
50+阅读 · 2021年6月2日
图节点嵌入(Node Embeddings)概述,9页pdf
专知会员服务
40+阅读 · 2020年8月22日
图节点嵌入(Node Embeddings)概述,9页pdf
专知
15+阅读 · 2020年8月22日
【NeurIPS2019】图变换网络:Graph Transformer Network
NAACL 2019 | 一种考虑缓和KL消失的简单VAE训练方法
PaperWeekly
20+阅读 · 2019年4月24日
CNN 反向传播算法推导
统计学习与视觉计算组
30+阅读 · 2017年12月29日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
VIP会员
相关VIP内容
【ICLR2022】GNN-LM基于全局信息的图神经网络语义理解模型
IEEE TPAMI | 基于标注偏差估计的实例相关PU学习
专知会员服务
12+阅读 · 2021年10月23日
专知会员服务
50+阅读 · 2021年6月2日
图节点嵌入(Node Embeddings)概述,9页pdf
专知会员服务
40+阅读 · 2020年8月22日
相关资讯
图节点嵌入(Node Embeddings)概述,9页pdf
专知
15+阅读 · 2020年8月22日
【NeurIPS2019】图变换网络:Graph Transformer Network
NAACL 2019 | 一种考虑缓和KL消失的简单VAE训练方法
PaperWeekly
20+阅读 · 2019年4月24日
CNN 反向传播算法推导
统计学习与视觉计算组
30+阅读 · 2017年12月29日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员