The 1, 2-good-neighbor conditional diagnosabilities of regular graphs
The 1, 2-good-neighbor conditional diagnosabilities of regular graphs
复制标题
正则图的1, 2-好邻居条件诊断性
DOI：
10.1016/j.amc.2018.04.014
复制
发表时间：
2018-10
影响因子：
4
通讯作者：
Xu Min
中科院分区：
文献类型：
--
作者：
Wei Yulong;Xu Min
系统故障诊断是多处理机系统设计和维护中的一个重要研究领域。2012年，Peng等人提出了一种新的系统故障诊断测度，即g-好邻居条件可诊断性，它要求系统中任何无故障顶点至少有g个无故障邻居。图G在PMC模型和MM* 模型下的g-好邻居条件可诊断性分别记为tgPMC（G）和tgMM *（G）.本文首先确定了当g≥ 2时tgPMC（G）= tgMM *（G）.其次，我们建立了正则图的1，2-好邻条件可诊断性的一般结果。作为应用，在PMC模型和MM* 模型下，研究了BC图、折叠超立方体和四类Cayley图（单圈转置图、轮转置图、完全转置图和树转置图）的1，2-好邻居条件可诊断性.此外，我们还确定了BC图和折叠超立方体的R2-连通性.
Fault diagnosis of systems is an important area of study in the design and maintenance of multiprocessor systems. In 2012, Peng et al. proposed a new measure for the fault diagnosis of systems, namely g-good-neighbor conditional diagnosability, which requires that any fault-free vertex has at least g fault-free neighbors in the system. The g-good-neighbor conditional diagnosabilities of a graph G under the PMC model and the MM* model are denoted by t g PMC (G) and t g MM*(G), respectively. In this paper, we first determine that t g PMC (G)= t g MM*(G) if g≥ 2. Second, we establish a general result on the 1, 2-good-neighbor conditional diagnosabilities of some regular graphs. As applications, the 1, 2-good-neighbor conditional diagnosabilities of BC graphs, folded hypercubes and four classes of Cayley graphs, namely unicyclic-transposition graphs, wheel-transposition graphs, complete-transposition graphs and tree-transposition graphs, are determined under the PMC model and the MM* model. In addition, we determine the R 2-connectivities of BC graphs and folded hypercubes.
登录
查看更多内容
DOI：
10.1145/800053.801906
发表时间：
1980-05
期刊：
--
影响因子：
--
作者：
M. Malek
通讯作者：
M. Malek
影响因子：
0.7
作者：
Meimei Gu;Rongxia Hao;Dongxue Yang
通讯作者：
Dongxue Yang
MM模型下n维超立方体的g-好邻居条件诊断性
影响因子：
0.5
作者：
Wang Shiying;Han Weiping
通讯作者：
Han Weiping
DOI：
10.1016/j.ins.2013.04.011
发表时间：
2013-09
期刊：
Information Science
影响因子：
--
作者：
Xiangming Yu, Xiaohui Huang, Zhao Zhang
通讯作者：
Xiangming Yu, Xiaohui Huang, Zhao Zhang
影响因子：
3.7
作者：
Weihua Yang;Huiqiu Lin
通讯作者：
Weihua Yang;Huiqiu Lin