原子力显微镜仿真平台的设计与实现

原子力显微镜作为迄今为止应用最成功的微系统之一,在整个微纳米领域中起着举足轻重的作用.原子力显微镜的仿真为其研究提供了第一手的思路,数据与资料,是该领域中极为重要的一个研究方向.分析了原子力显微镜的工作机理和其中的复杂非线性因素,在此基础上,设计并采用Matlab/Simulink工具实现了一个包含接触和轻敲两种模式的原子力显微镜仿真系统,然后通过对样品的扫描结果验证了该仿真平台的有效性.     

基于Stackelberg博弈与深度强化学习的计算卸载策略

为使5G混合专网结构的2种用户能获得最优计算卸载策略，将2种用户竞争移动边缘计算(mobile edge computing,MEC)服务器资源的问题建模成Stackelberg博弈，并分别讨论了完全信息博弈和不完全信息博弈下的策略。完全信息博弈下，存在唯一纳什均衡解；不完全信息博弈下，将环境建模为部分可观测的马尔可夫决策过程(partially observable Markov decision process,POMDP)，并提出一种基于二阶段深度强化学习(two-stage deep reinforcement learning,TSDRL)的最优卸载策略。仿真实验表明：该算法相较于D-DRL算法能减少20.81%的时延及3.38%的能耗，有效提高用户QoE(quality of experience)。