摘要：随着近地轨道(Low Earth Orbit,LEO)卫星网络和移动边缘计算(Mobile Edge Computing,MEC)技术的发展,通过在LEO卫星上部署MEC服务器,可以为缺乏计算资源的偏远地区提供计算卸载服务。然而,随着地面用户数量的不断增加,天地融合网络中的计算卸载场景变得越发复杂。现有研究难以应对任务复杂、到达率较高的场景,针对上述问题,在现有算法的基础上,提出了一种基于深度强化学习(Deep Reinforcement Learning,DRL)的并行计算卸载(DRL-based Parallel Computation Offloading,DPCO)算法。该算法以最小化计算卸载平均时延为优化目标进行建模,考虑了阿姆达尔定律对计算性能的影响,并对星上服务器的计算资源进行划分,以实现多任务并行处理的功能。此外,DPCO算法将模型转换为马尔可夫决策过程(Markov Decision Process,MDP),并使用A2C(Advantage Actor-Critic)算法对其进行求解。通过仿真实验验证了DPCO算法性能,结果表明该算法有效地解决了现有算法的缺陷,可为天地融合网络中的计算卸载算法设计提供参考和帮助。

摘要：目的了解苏州市职业高中学生的烟草流行现状和趋势,为制定控烟政策提供依据。方法于2019年9—11月采用分层随机整群抽样方法,从苏州市10个区(县)内抽取职业高中学生1 860人为研究对象。问卷调查包括烟草流行基本状况、戒烟态度(包括烟草危害知晓情况)、二手烟暴露、吸烟的社会环境情况、烟草自我感知情况以及电子烟流行状况等。共回收有效问卷1 847份,应用SPSS 22.0软件进行χ^(2)检验。结果苏州市职业高中学生吸烟率为6.61%(男生为7.52%,女生为5.17%);尝试吸烟率为26.31%;戒烟率为22.78%;烟草危害知晓率为57.77%。公共交通工具、室外公共场所、学校内、室内公共场所和家中的二手烟暴露率分别为66.16%、46.89%、59.01%、37.14%和32.11%。学生在不同途径见过卷烟广告的比例为:电视45.10%,烟草零售点27.45%,网络27.13%。发现父母、好友和老师中至少有1人吸烟的比例分别为49.54%、47.59%和49.59%;68.38%的职高学生认为社交场合吸烟会使人不舒服,61.99%认为戒烟比较困难;电子烟吸烟率为3.79%,电子烟尝试率为27.23%,39.52%的学生在过去30 d内曾见过电子烟相关广告。结论苏州市职高学生烟草流行现状需要重视,二手烟暴露情况严重,电子烟流行趋势日益明显。