近年来,移动边缘计算(Mobile Edge Computing,MEC)技术的持续发展和应用成功地应对了随着终端用户数量急剧增加而导致网络边缘数据量爆炸性增长的用户服务需求.然而,如何实时优化分配这些服务器给不同用户仍然是一个亟待解决的紧迫问题.本文专注于多用户多MEC服务器场景中任务缓存和计算卸载策略的联合优化问题,借助于强化学习算法分别解决这两个子问题.在任务缓存方面,本文以最大化系统缓存命中率为目标,引入了基于Gomory割平面的多臂选择算法(Gomory Based Multi-Arm Selection,GMAS)来适应不同任务数据量的差异,并通过理论证明了算法遗憾上界的对数性.而在任务卸载方面,提出了Dueling架构的双重Q网络(Double DQN with Dueling architecture,D3QN)算法以应对多用户多MEC服务器中的任务卸载问题,该算法在保证任务性能的同时有效规避了DQN算法中Q值过估计的问题.仿真结果表明,本文所提出的算法在时延和能耗等方面相较A3C和DQN算法表现出明显的优势.
通过全基因组关联分析(genome-wide association study,GWAS)探索中国汉族人群疼痛诱发脑岛神经响应个体差异背后的遗传影响因素.研究共纳入333名经质控合格且同时采集了基因和脑影像数据的中国汉族健康被试,基因型数据经质控插补后包含...
详细信息
通过全基因组关联分析(genome-wide association study,GWAS)探索中国汉族人群疼痛诱发脑岛神经响应个体差异背后的遗传影响因素.研究共纳入333名经质控合格且同时采集了基因和脑影像数据的中国汉族健康被试,基因型数据经质控插补后包含5270947个单核苷酸多态性(single nucleotide polymorphism,SNP)位点,脑影像数据为痛觉刺激任务态功能磁共振成像(functional magnetic resonance imaging,fMRI)数据.首先基于f MRI数据利用一般线性模型(general linear model,GLM)获得痛觉刺激条件下每位被试左侧和右侧脑岛区域各自的平均激活值以及双侧脑岛的平均激活值,并将其作为GWAS表型数据分别对5270947个SNP逐一计算脑岛激活与SNP之间的关联.结果显示,在P<5×10^(-6)阈值下,10个独立SNP位点与左侧脑岛的激活水平存在显著关联,7个独立SNP位点与右侧脑岛的激活水平存在显著关联,12个独立SNP位点与双侧脑岛的平均激活水平存在显著关联.所有显著位点可注释到9个基因上,其中BACE1基因已被报道与疼痛相关,其他基因与脑影像表型或常见神经精神疾病相关.这些发现为深入理解疼痛诱发脑岛神经响应个体差异背后的遗传机制提供了有力证据.
暂无评论