r-正则模糊图的运算及其性质

2021-04-25 06:25更芷拉毛索南仁欠
关键词:子图模糊集乘积

更芷拉毛,索南仁欠

(1.青海师范大学 数学与统计学院,青海 西宁 810016;2.青海师范大学 研究生院,青海 西宁 810008)

基于模糊集理论,Rosenfeld于1975年提出了模糊图,建立了模糊图的理论结构.随后许多学者对模糊图进行了深入细致的研究,定义了模糊图的强积、直积和字典乘积等运算,并总结出了模糊图乘积运算相关的分解定理和同构定理.本文将定义r-正则模糊图的交、并、补、笛卡尔积、直积、强乘积、字典乘积运算,并探讨r-正则模糊图在以上运算下是否满足封闭性等相关的性质.

1 预备知识

定义1.1[1]对于任意给定的集合V,在V×V-{(x,x)|x∈V}上定义等价关系~如下:

(x1,y1)~(x2,y2)⟺(x1,y1)=(x2,y2)或者(x1,y1)=(y2,x2).

定义1.2[1]称任意映射A:V→[0,1]为V上的模糊集.suppA={x∈V|A(x)>0}(称为A的承载集),rangA={A(x)|x∈V}(称为A的值域).

定义1.4[3]模糊图是一个有序三元组G=(G*,σ,μ)(更多时候为了方便G*略去不写),其中G*=(V,E)是一个无向简单图,称为基图.σ:V→(0,1],μ:E→(0,1],且∀e∈E,μ(e)≤σ(u)∧σ(v),这里u,v是e的端点.

定义1.5[4]若X的两个模糊集μ和τ满足μ(x)≤τ(x)(∀x∈X),则记μ≤τ.若两个模糊图H=(σ1,μ1)和G=(σ,μ)满足σ1≤σ和μ1≤μ,则称H是G的偏模糊子图.

定义1.8[6]模糊图G=(σ,μ)中点u的度数(degree)为dG(u)=∑uv∈Eμ(uv)(∀u∈V).

定义1.9[7]设G=(σ,μ)是以图G*=(V,E)为基图的一个模糊图,如果dG(v)=r(∀v∈V,r>0),即G中所有顶点的度数为r,则称G为一个r-正则模糊图(r-regularfuzzygraph).

定义1.10[8]设G=(σ,μ)是以图G*=(V,E)为基图的模糊图,对∀e∈E,μ(e)=σ(u)∧σ(v)(这里u,v是e的端点),则称G=(σ,μ)为强模糊图.

2 主要结果

其中:σ1∩σ2:V1∩V2→(0,1],μ1∩μ2:E1∩E2→(0,1].

具体定义为:

(σ1∩σ2)(v)=σ1(v)∧σ2(v)(∀v∈V1∩V2),

(μ1∩μ2)(e)=μ1(e)∧μ2(e)(∀e∈E1∩E2).

证明:设Gi为ri-正则模糊图(i=1,2),μi(e)=Ci(∀e∈Ei),C1、C2为常数.

设(G1∩G2)*为r-正则图,则对于任意的v∈V1∩V2有

因此G1∩G2为正则模糊图.

反之,设G1∩G2=(σ1∩σ2,μ1∩μ2)为正则模糊图,V1∩V2中任取两点v和w,有

dG1∩G2(v)=dG1∩G2(w)

⟹C1·d(G1∩G2)*(v)=C1·d(G1∩G2)*(w)

⟹d(G1∩G2)*(v)=d(G1∩G2)*(w)(当C1≤C2时)

或C2·d(G1∩G2)*(v)=C2·d(G1∩G2)*(w)

⟹d(G1∩G2)*(v)=d(G1∩G2)*(w)(当C1>C2时)

由于v和w在V1∩V2中的任一性,(G1∩G2)*为正则图.

推论2.1 设G=(σ,μ)是以图G*=(V,E)为基图的模糊图,若μ为常值函数且G*为正则图,则G=(σ,μ)为正则模糊图.

命题2.1 设Gi=(σi,μi)是ri-正则模糊图(i=1,2).若G2为G1的偏模糊子图,则G1∩G2为r2-正则模糊图.

证明:G2为G1的偏模糊子图,则σ1与σ2为非空结点集V上的两个模糊集,且有σ2(x)≤σ1(x)(∀x∈V)和μ2(xy)≤μ1(xy)(∀x,y∈V),则:

(σ1∩σ2)(x)=σ2(x)(∀x∈V),(μ1∩μ2)(xy)=μ2(xy)(∀xy∈E)

故有G1∩G2=(σ1∩σ2,μ1∩μ2)=(σ2,μ2)=G2,因此G1∩G2为r2-正则模糊图.

其中:σ1∪σ2:V1∪V2→(0,1],μ1∪μ2:E1∪E2→(0,1].

具体定义为:

证明:设Gi为ri-正则模糊图,μi(uv)=(μ1∪μ2)(uv)=C(∀uv∈Ei,C为常数,i=1,2).

设(G1∪G2)*为r-正则图,任取v∈V1∪V2,

因此G1∪G2为正则模糊图.

反之,设G1∪G2为正则模糊图,V1∪V2中任取两点v和w,有

dG1∪G2(v)=dG1∪G2(w)

⟹C·d(G1∪G2)*(v)=C·d(G1∪G2)*(w)

⟹d(G1∪G2)*(v)=d(G1∪G2)*(w)

由于v和w在V1∪V2的任一性,(G1∪G2)*为正则图.

命题2.2 设Gi=(σi,μi)是ri-正则模糊图(i=1,2).若G2为G1的偏模糊子图,则G1∪G2为r1-正则模糊图.

证明:G2为G1的偏模糊子图,则σ1与σ2为非空结点集V上的两个模糊集,且有σ2(x)≤σ1(x)(∀x∈V)和μ2(xy)≤μ1(xy)(∀x,y∈V),则:

(σ1∪σ2)(x)=σ1(x)(∀x∈V),(μ1∪μ2)(xy)=μ1(xy)(∀xy∈E),

故G1∪G2=(σ1∪σ2,μ1∪μ2)=(σ1,μ1)=G1

因此G1∪G2为r1-正则模糊图.

具体定义为:

其中:

σ1×σ2:V1×V2→(0,1],μ1×μ2:E→(0,1];

E={(x,x2)(x,y2)|x∈V1,x2y2∈E2}∪{(x1,z)(y1,z)|z∈V2,x1y1∈E1}.

具体定义为:

(σ1×σ2)(x1,x2)=σ1(x1)∧σ2(x2)(∀(x1,x2)∈V1×V2);

(μ1×μ2)((x,x2)(x,y2))=σ1(x)∧μ2(x2y2)(∀(x,x2)(x,y2)∈E);

(μ1×μ2)((x1,z)(y1,z))=σ2(z)∧μ1(x1y1)(∀(x1,z)(y1,z)∈E).

证明:设σ1(v)=C1(∀v∈V1),σ2(u)=C2(∀u∈V2),C1、C2为常数.|V1|=n,|V2|=m.

任取一点(x1,x2)∈V1×V2,

=∑x1=y1∈V1,x2y2∈E2σ1(x1)∧μ2(x2y2)+∑x2=y2∈V2,x1y1∈E1σ2(x2)∧μ1(x1y1)

当σ1≥σ2时,dG1×G2((x1,x2))=∑x2y2∈E2μ2(x2y2)+∑x1y1∈E1σ2(x2) (σ1=μ1,σ2=μ2)

=C2·(m-1)+C2·dG1*(x1)

=C2·(m+n-2).

当σ2>σ1时,dG1×G2((x1,x2))=∑x2y2∈E2σ1(x1)+∑x1y1∈E1μ1(x1y1) (σ1=μ1,σ2=μ2)

=C1·dG2*(x2)+C1·(n-1)

=C1·(m+n-2).

因此G1×G2为正则模糊图.

其中:

σ1*σ2:V1×V2→(0,1],μ1*μ2:E°→(0,1];

E°={(x1,x2)(y1,y2)|x1y1∈E1,x2y2∈E2}.

具体定义为:

(σ1*σ2)(x1,x2)=σ1(x1)∧σ2(x2)(∀(x1,x2)∈V1×V2,)

(μ1*μ2)((x1,x2)(y1,y2))=μ1(x1y1)∧μ2(x2y2)∀(x1,x2)(y1,y2)∈E°.

证明:设(G1*G2)*为p-正则图,μ1与μ2为常值函数,μ1(xy)=C1(∀xy∈E1),μ2(xy)=C2(∀xy∈E2),C1与C2为常数.

任取(x1,x2)∈V1×V2,

=∑x1y1∈E1,x2y2∈E2μ1(x1y1)∧μ2(x2y2)

当μ1≥μ2时,dG1×G2((x1,x2))=∑(x1,x2)(y1,y2)∈E°μ2(x2y2)

=C2·d(G1*G2)*(x1,x2)=C2·p

当μ1<μ2时,dG1×G2((x1,x2))=∑(x1,x2)(y1,y2)∈E°μ1(x1y1)

=C1·d(G1*G2)*(x1,x2)=C1·p

因此G1*G2为正则模糊图.

反之,设G1*G2为正则模糊图,任取两点(x1,x2)、(z1,z2)∈V1×V2,有

dG1*G2((x1,x2))=dG1*G2((z1,z2))

当μ1≥μ2时,有

⟹C2·d(G1*G2)*(x1,x2)=C2·d(G1*G2)*(z1,z2)

所以d(G1*G2)*(x1,x2)=d(G1*G2)*(z1,z2)

当μ1<μ2时,有

⟹C1·d(G1*G2)*(x1,x2)=C1·d(G1*G2)*(z1,z2)

所以d(G1*G2)*(x1,x2)=d(G1*G2)*(z1,z2)

由于(x1,x2)和(z1,z2)在V1×V2中的任一性,(G1*G2)*为正则图.

其中:

σ1⊗σ2:V1×V2→(0,1],μ1⊗μ2:E。→(0,1].

E。=E∪E°,E和E°分别在定义2.5和定义2.6中给出.

具体定义为:

(σ1⊗σ2)(x1,x2)=σ1(x1)∧σ2(x2)(∀(x1,x2)∈V1×V2),

(μ1⊗μ2)((x,x2)(x,y2))=σ1(x)∧μ2(x2y2)(∀(x,x2)(x,y2)∈E),

(μ1⊗μ2)((x1,z)(y1,z))=σ2(z)∧μ1(x1y1)(∀(x1,z)(y1,z)∈E),

(μ1⊗μ2)((x1,x2)(y1,y2))=μ1(x1y1)∧μ2(x2y2)(∀(x1,x2)(y1,y2)∈E°).

根据模糊图的定义,对所有xy∈Ei,i=1,2有μi(xy)≤σi(x)∧σi(y),因此μi≤maxσi和minμi≤σi,i=1,2.因为σ1≤μ2,maxσ1≤minμ2,因此μ1≤maxσ1≤minμ2≤σ2即σ2≥μ1.

证明:设(G1*G2)*为p-正则图,Gi为ri-正则模糊图(i=1,2),μ1与μ2为常值函数,则μ1(xy)=C1(∀xy∈E1),μ2(xy)=C2(∀xy∈E2),C1与C2为常数.

任取(x1,x2)∈V1×V2,

=∑(x1,x2)(y1,y2)∈E(μ1⊗μ2)((x1,x2)(y1,y2))+∑(x1,x2)(y1,y2)∈E°(μ1⊗μ2)((x1,x2)(y1,y2))

=∑x1=y1∈V1,x2y2∈E2σ1(x1)∧μ2(x2y2)+∑x2=y2∈V2,x1y1∈E1σ2(x2)∧μ1(x1y1)+∑x1y1∈E1,x2y2∈E2μ1(x1y1)∧μ2(x2y2)

当μ1≤μ2时,dG1⊗G2((x1,x2))=∑x2y2∈E2μ2(x2y2)+∑x1y1∈E1μ1(x1y1)+∑(x1,x2)(y1,y2)∈E°μ1(x1y1)

=dG2(x2)+dG1(x1)+C1·d(G1*G2)*(x1,x2)=r2+r1+C1·p;

当μ1>μ2时,dG1⊗G2((x1,x2))=∑x2y2∈E2μ2(x2y2)+∑x1y1∈E1μ1(x1y1)+∑(x1,x2)(y1,y2)∈E°μ2(x2y2)

=dG2(x2)+dG1(x1)+C2·d(G1*G2)*(x1,x2)=r2+r1+C2·p,

因此G1⊗G2为正则模糊图.

反之,设G1⊗G2为正则模糊图,则任取两点(x1,x2)、(z1,z2)∈V1×V2,有

dG1⊗G2((x1,x2))=dG1⊗G2((z1,z2))

当μ1≤μ2时,有

dG2(x2)+dG1(x1)+C1·d(G1*G2)*(x1,x2)=dG2(z2)+dG1(z1)+C1·d(G1*G2)*(z1,z2)

r2+r1+C1·d(G1*G2)*(x1,x2)=r2+r1+C1·d(G1*G2)*(z1,z2)

d(G1*G2)*(x1,x2)=d(G1*G2)*(z1,z2)

当μ1>μ2时,有

dG2(x2)+dG1(x1)+C2·d(G1*G2)*(x1,x2)=dG2(z2)+dG1(z1)+C2·d(G1*G2)*(z1,z2)

r2+r1+C2·d(G1*G2)*(x1,x2)=r2+r1+C2·d(G1*G2)*(z1,z2)

d(G1*G2)*(x1,x2)=d(G1*G2)*(z1,z2)

由于(x1,x2)和(z1,z2)在V1×V2中的任一性,(G1*G2)*为正则图.

定义2.8 设G=(σ,μ)是以图G*=(V,E)为基图的一个r-正则模糊图.若∀e∈E,μ(e)=σ(u)∧σ(v),这里u,v是e的端点,则称G=(σ,μ)为强r-正则模糊图.

任取(x1,x2)∈V1×V2,

=∑(x1,x2)(y1,y2)∈E(μ1⊗μ2)((x1,x2)(y1,y2))

+∑(x1,x2)(y1,y2)∈E°(μ1⊗μ2)((x1,x2)(y1,y2))

=∑x1=y1∈V1,x2y2∈E2σ1(x1)∧μ2(x2y2)+∑x2=y2∈V2,x1y1∈E1σ2(x2)∧μ1(x1y1)

+∑x1y1∈E1,x2y2∈E2μ1(x1y1)∧μ2(x2y2)

=∑x2y2∈E2σ1(x1)+∑x1y1∈E1μ1(x1y1)+∑(x1,x2)(y1,y2)∈E°μ1(x1y1)

=C1·p+r1+C1·q

因此同理可得:G1⊗G2为正则模糊图.

其中:

σ1∘σ2:V1×V2→(0,1],μ1∘μ2:E。∪E′→(0,1].

E。在定义2.7中给出,E′={(x1,x2)(y1,y2)|x1y1∈E1,x2y2∉E2},

具体定义为:

(σ1∘σ2)(x1,x2)=(σ1⊗σ2)(x1,x2)(∀(x1,x2)∈V1×V2),

(μ1∘μ2)((x1,y1)(x2,y2))=(μ1⊗μ2)((x1,y1)(x2,y2))(∀(x1,y1)(x2,y2)∈E。),

(μ1∘μ2)((x1,y1)(x2,y2))=μ1(x1,x2)∧σ2(y1)∧σ2(y2)(∀(x1,y1)(x2,y2)∈E′).

E′={(x1,x2)(y1,y2)|x1y1∈E1,x2y2∉E2}=Ø.

所以G1∘G2=G1⊗G2.

猜你喜欢
子图模糊集乘积
乘积最大
基于上下截集的粗糙模糊集的运算性质
复图片模糊集及其在信号处理中的应用
关于星匹配数的图能量下界
最强大脑
最强大脑
模糊过程熵的一些新结论
不含3K1和K1+C4为导出子图的图色数上界∗
面向高层次综合的自定义指令自动识别方法
区间值直觉模糊集多属性决策方法