导读:本文包含了完全图算法论文开题报告文献综述及选题提纲参考文献，主要关键词:散射量子行走,量子搜索,完全图
完全图算法论文文献综述
薛希玲,陈汉武,刘志昊,章彬彬[1]（2016）在《基于散射量子行走的完全图上结构异常搜索算法》一文中研究指出完全图KN上某个顶点连接到图G将破坏其对称性.为加速定位这类结构异常,基于散射量子行走模型设计搜索算法,首先给出了算法酉算子的定义,在此基础上利用完全图的对称性,将算法的搜索空间限定为一个低维的坍缩图空间.以G为一个顶点的情况为例,利用硬币量子行走模型上的研究结论简化了坍缩图空间中酉算子的计算,并借助矩阵扰动理论分析算法演化过程.针对星图SN上结构异常的研究表明,以星图中心节点为界将整个图分为左右两个部分,当且仅当两部分在N→∞时具有相同的特征值,搜索算法可以获得量子加速.本文说明星图上的分析方法和结论可以推广至完全图的坍缩图上.基于此,本文证明无论完全图连接的图G结构如何,搜索算法均可在O(√N)时间内定位到目标顶点,成功概率为1-O(1/√N),即量子行走搜索该类异常与经典搜索相比有二次加速.(本文来源于《物理学报》期刊2016年08期）
刘井莲,赵卫绩,佟良[2]（2015）在《一种基于极大完全图扩展的社区挖掘算法》一文中研究指出社区挖掘是复杂网络分析中一项重要工作.目前已有许多好的社区挖掘算法,但这些算法大多基于节点间的连接关系发现内聚的社会团体,而实际网络中节点大多具有不同的行为和影响力.基于此,充分考虑社区内节点相互连接紧密以及节点具有不同影响力的特性,提出一种基于极大完全图扩展的社区挖掘两阶段算法.第一阶段:从内聚的子团和度中心性节点的影响力出发,从网络中选取分散的k个内聚的且有影响力的极大完全图作为初始社区;第二阶段,基于局部社区模块度扩展方法,将重迭节点和初始社区外节点扩展到与其连接紧密的相应社区内.最后通过仿真实验验证了该算法的有效性.(本文来源于《河南科学》期刊2015年12期）
刘奕君,张立,赵强[3]（2015）在《完全图哈密尔顿圈遗传算法的MATLAB模拟实现》一文中研究指出求解完全图上的哈密尔顿圈是典型的组合优化问题,遗传算法是解决此类NP问题的一种较理想的方法。对基本的遗传算法进行改进,在选择操作和变异操作中加入贪心优化思想,使算法获得更优的全局最优解。在MATLAB环境下模拟实现了哈密尔顿圈的经典问题——TSP(travelling salesman problem)旅行商问题,从而验证了该算法的可行性和正确性。(本文来源于《西华大学学报(自然科学版)》期刊2015年04期）
彭丰斌,殷志祥[4]（2013）在《闭包是完全图的求Hamilton圈的新算法》一文中研究指出Hamilton圈问题是一个典型的NP-完全问题,文章设计和研究了闭包是完全图的求Hamilton圈的新算法,其基于Bondy-Chvátal算法,与原来算法相比,新算法存在易于程序设计、可读性强等优点,且不失其好算法的特性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2013年09期）
赵焕平,李冬梅,李敬文[5]（2013）在《一种应用于完全图的点可区别强全染色新算法》一文中研究指出设f是简单图G的一个正常k-全染色,若G中任意两点所关联的点及其关联边的颜色所构成的集合互不相同,则称f为G的K-点可区别强全染色,k中的最小值为G的点可区别强全色数。针对完全图的点可区别强全染色的特点,提出一种新算法。该算法把需要填充的颜色分为两部分:超色数和正常色数,在分别得到其染色数量和染色次数的前提下先对超色数进行染色以增强算法的收敛性。实验结果表明,该算法能有效地解决完全图的点可区别强全染色问题。(本文来源于《计算机应用与软件》期刊2013年03期）
赵焕平,刘平,李敬文[6]（2012）在《完全图的点可区别强全染色算法》一文中研究指出根据图的点可区别全染色的定义,结合完全图的对称性,提出一种新的点可区别强全染色算法。该算法将需要填充的颜色分为超色数和正常色数2个部分,在得到染色数量和染色次数的前提下,对超色数进行染色以增强算法收敛性。实验结果表明,该算法具有较低的时间复杂度。(本文来源于《计算机工程》期刊2012年17期）
徐晓青,李双元,张卫平[7]（2012）在《完全图的点可区别全染色算法》一文中研究指出设f是图G的一个正常的k-全染色,若G中任意两点的色集不同,则称f为G的k-点可区别全染色,简记为k-VDTC of G,,并称最小的k为G的点可区别全色数。该文针对完全图的点可区别全染色的特点提出了分类顺次着色算法,该算法首先按照一定的规则对元素进行分类然后对元素进行顺次着色,同时给出关联锁表,根据关联锁表判断是否得到问题的解。实验结果表明:该算法有效地解决了完全图的点可区别全染色问题。(本文来源于《电脑知识与技术》期刊2012年18期）
王秋云[8]（2011）在《一种基于完全图的分组调度算法》一文中研究指出本文建立了一种改进的分组调度映射模型,并提出了一种基于完全图的分组调度算法,该算法相对容易实现,能够较好地解决网络中由于数据突发的无序竞争所致的丢包问题,从而进一步提高网络的服务质量及其利用率。(本文来源于《科技信息》期刊2011年08期）
王文国,刘晓君[9]（2010）在《全光网络中一种基于完全图的分组调度算法》一文中研究指出在无缓存的全光OBS网络中由于相互竞争而被丢弃的数据突发是造成其高丢包率的主要原因,而分组调度策略可以从整体上改善OBS网络的这种缺点。本文建立了一种改进的分组调度映射模型,并提出了一种基于完全图的分组调度算法,该算法相对简单且容易实现,能够较好地解决OBS网络中由于数据突发的无序竞争所致的丢包问题,从而进一步提高网络的服务质量及其信道利用率。(本文来源于《电子技术》期刊2010年06期）
齐国涛[10]（2010）在《一种加入移动节点的完全图分簇算法》一文中研究指出在传统的分簇算法中,网关节点不但需要完成对数据的基本感知,而且还要为相邻的分簇进行数据转发。因此一旦簇之间流量增大,预处理数据量将超过网关节点的负荷,该节点就会耗尽自己的相关资源,最终导致的结果就是,该节点成为整个网络的瓶颈节点。会降低整个传感网络稳定性,进而影响网络的吞吐量,缩短网络使用寿命。本文介绍一种在无线传感网络中加入移动节点的完全图算法,选择硬件配置高的节点作为网关节点,来处理簇与簇之间的通信,以此来增加传感网络的稳定性,延长网络的寿命。(本文来源于《科协论坛(下半月)》期刊2010年05期）
完全图算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
社区挖掘是复杂网络分析中一项重要工作.目前已有许多好的社区挖掘算法,但这些算法大多基于节点间的连接关系发现内聚的社会团体,而实际网络中节点大多具有不同的行为和影响力.基于此,充分考虑社区内节点相互连接紧密以及节点具有不同影响力的特性,提出一种基于极大完全图扩展的社区挖掘两阶段算法.第一阶段:从内聚的子团和度中心性节点的影响力出发,从网络中选取分散的k个内聚的且有影响力的极大完全图作为初始社区;第二阶段,基于局部社区模块度扩展方法,将重迭节点和初始社区外节点扩展到与其连接紧密的相应社区内.最后通过仿真实验验证了该算法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
完全图算法论文参考文献
[1].薛希玲,陈汉武,刘志昊,章彬彬.基于散射量子行走的完全图上结构异常搜索算法[J].物理学报.2016
[2].刘井莲,赵卫绩,佟良.一种基于极大完全图扩展的社区挖掘算法[J].河南科学.2015
[3].刘奕君,张立,赵强.完全图哈密尔顿圈遗传算法的MATLAB模拟实现[J].西华大学学报(自然科学版).2015
[4].彭丰斌,殷志祥.闭包是完全图的求Hamilton圈的新算法[J].合肥工业大学学报(自然科学版).2013
[5].赵焕平,李冬梅,李敬文.一种应用于完全图的点可区别强全染色新算法[J].计算机应用与软件.2013
[6].赵焕平,刘平,李敬文.完全图的点可区别强全染色算法[J].计算机工程.2012
[7].徐晓青,李双元,张卫平.完全图的点可区别全染色算法[J].电脑知识与技术.2012
[8].王秋云.一种基于完全图的分组调度算法[J].科技信息.2011
[9].王文国,刘晓君.全光网络中一种基于完全图的分组调度算法[J].电子技术.2010
[10].齐国涛.一种加入移动节点的完全图分簇算法[J].科协论坛(下半月).2010