基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。     

虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法

针对现有研究中缺乏云无线接入网络(C-RAN)场景下对网络切片高效的动态资源分配方案的问题,该文提出一种虚拟化C-RAN网络下的网络切片虚拟资源分配算法。首先基于受限马尔可夫决策过程(CMDP)理论建立了一个虚拟化C-RAN场景下的随机优化模型,该模型以最大化平均切片和速率为目标,同时受限于各切片平均时延约束以及网络平均回传链路带宽消耗约束。其次,为了克服CMDP优化问题中难以准确掌握系统状态转移概率的问题,引入决策后状态(PDS)的概念,将其作为一种“中间状态”描述系统在已知动态发生后,但在未知动态发生前所处的状态,其包含了所有与系统状态转移有关的已知信息。最后,提出一种基于在线学习的网络切片虚拟资源分配算法,其在每个离散的资源调度时隙内会根据当前系统状态为每个网络切片分配合适的资源块数量以及缓存资源。仿真结果表明,该算法能有效地满足各切片的服务质量(QoS)需求,降低网络回传链路带宽消耗的压力并同时提升系统吞吐量。     

奉化地区水蜜桃果实中金属元素的测定及区域分布特征评价

采用微波消解-电感耦合等离子体原子发射光谱法同时测定奉化水蜜桃（湖景蜜露和玉露）中K、Ca、Mg、Fe、Cu、Mn、Se、Zn含量,研究酸体系、金属元素谱线对测定结果的影响。在最佳实验条件下,各金属元素回收率在82.82%～118.3%之间,相对标准偏差在2.28%～18.4%之间,检出限在0.1～1 μg/L之间,满足样品检测的要求。并对浙江省奉化不同区域的湖景蜜露和玉露金属元素含量进行考察,结果表明,湖景蜜露和玉露均含有K、Ca、Mg、Fe宏量元素和Cu、Mn、Se、Zn等微量元素,且8 种元素在湖景蜜露和玉露中以及不同区域间存在差异。     

基于异步优势演员-评论家学习的服务功能链资源分配算法

考虑网络全局信息难以获悉的实际情况,针对接入网切片场景下用户终端(UE)的移动性和数据包到达的动态性导致的资源分配优化问题,该文提出了一种基于异步优势演员-评论家(A3C)学习的服务功能链(SFC)资源分配算法。首先,该算法建立基于区块链的资源管理机制,通过区块链技术实现可信地共享并更新网络全局信息,监督并记录SFC资源分配过程。然后,建立UE移动和数据包到达时变情况下的无线资源、计算资源和带宽资源联合分配的时延最小化模型,并进一步将其转化为马尔科夫决策过程(MDP)。最后,在所建立的MDP中采用A3C学习方法,实现资源分配策略的求解。仿真结果表明,该算法能够更加合理高效地利用资源,优化系统时延并保证UE需求。     

快速溶剂萃取法提取测定出口纺织品中邻苯基苯酚

为打破欧盟的技术壁垒,应用快速溶剂萃取法提取测定出口纺织品中的邻苯基苯酚。以甲醇为溶剂,在温度为50℃,压力为10.34 MPa的条件下进行提取,选用HP-5毛细管色谱柱,采用GC-FID测定出口纺织品中邻苯基苯酚的含量。此方法的检出限为0.05μg/g,线性方程为Y=19.891X-0.599 8,线性相关系数r2=0.999 8,线性范围为0.1~15.0μg/mL,平均回收率为100.8%。结果表明该方法具有操作简便,快速方便,灵敏度高等特点,可满足出口纺织品中邻苯基苯酚检测的要求。     

基于深度强化学习的服务功能链多维资源优化

在网络功能虚拟化（Network Function Virtualization,NFV）环境下,保证用户服务功能链（Service Function Chain,SFC）服务质量的同时节约资源消耗,降低运营成本,对运营商来说至关重要。联合考虑SFC部署和无线接入网资源分配,提出一种基于深度强化学习的SFC多维资源联合分配算法。构建一种基于环境感知的SFC资源分配机制,建立用户时延要求、无线速率需求以及资源容量等约束下的SFC部署成本最小化模型。考虑到无线环境的动态变化,将此优化问题转化为一个无模型离散时间马尔科夫决策过程（Markov Decision Process,MDP）模型。由于该MDP状态空间的连续性和动作空间的高维性,采用深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）强化学习算法进行求解,得到最小化部署成本的资源分配策略。仿真结果表明,该算法可在满足性能需求及资源容量等约束的同时,有效降低SFC部署成本和端到端传输时延。     

基于异步优势演员-评论家学习的服务功能链资源分配算法

考虑网络全局信息难以获悉的实际情况,针对接入网切片场景下用户终端(UE)的移动性和数据包到达的动态性导致的资源分配优化问题,该文提出了一种基于异步优势演员-评论家(A3C)学习的服务功能链(SFC)资源分配算法.首先,该算法建立基于区块链的资源管理机制,通过区块链技术实现可信地共享并更新网络全局信息,监督并记录SFC资源分配过程.然后,建立UE移动和数据包到达时变情况下的无线资源、计算资源和带宽资源联合分配的时延最小化模型,并进一步将其转化为马尔科夫决策过程(MDP).最后,在所建立的MDP中采用A3C学习方法,实现资源分配策略的求解.仿真结果表明,该算法能够更加合理高效地利用资源,优化系统时延并保证UE需求.     

顶空-固相微萃取/气相色谱串联质谱法测定葡萄酒中多种氯酚及氯代茴香醚

样品中氯酚经乙酰化生成乙酰氯酚后,通过优化萃取头、离子强度、温度、时间等固相微萃取条件后,建立顶空-固相微萃取-气相色谱串联质谱法同时测定测定葡萄酒中的3种氯酚2,4,6-三氯酚(TCP)、2,3,4,6-四氯酚(TeCP)、五氯酚(PCP)以及两种氯代茴香醚2,4,6-三氯苯甲醚(TCA)、五氯苯甲醚(PCA)含量的方法。结果表明：该方法检出限为0.1ng/L,回收率为86.0%～105.9%,相对标准偏差小于16.5%。该方法前处理简单、高效、检测灵敏度高,可应用于进出口葡萄酒中木塞污染物的监控。     

食用油中邻苯二甲酸酯和己二酸酯的GC-MS定量分析与迁移特性研究

采用有机溶剂超声萃取法对食用油中的邻苯二甲酸酯和己二酸酯进行提取,并对萃取溶剂和物料比进行优化,利用气相色谱-质谱-选择离子监测技术进行检测,同时研究不同温度条件下食用油中邻苯二甲酸酯和己二酸酯的定量迁移规律。结果表明,在优化实验条件下,21 种邻苯二甲酸酯和己二酸酯的平均回收率和精密度分别为82.74%～111.01%和2.56%～6.01%,方法检出限在0.28～14.25 μg/L之间,塑料桶装食用油中主要含有邻苯二甲基二甲酯、邻苯二甲基二丁酯、邻苯二甲基二（2-乙基己基）酯和己二酸二（2-乙基己基）酯,且在不同温度条件下,迁移量随着时间推移逐渐增加。