多无人机辅助边缘计算下的路径规划研究

无人机(Unmanned Aerial Vehicles, UAVs)越来越多地被用作移动边缘计算(Mobile Edge Computing, MEC)中的移动服务器,并被广泛地集成到现代物联网应用中。本文在现有研究的无人机路径规划中,引入考虑无人机的能量消耗和无人机之间的合作,并用于改善提供给终端用户的服务质量(Quality of Service, QoS)。通过加深考虑无人机在飞行过程中以及处理终端用户的能量消耗以及多无人机的协作能力,提出相应的模型改进,通过观察无人机的飞行路径,验证所提算法的有效性和低耗性,并证明无人机之间团队合作的有效性。实验结果表明,所提模型在合作时更能降低总体能耗,并增强模拟环境的真实性。

投喂策略对厚颌鲂幼鱼的生长、肠道消化酶活性和形态学的影响

为了研究投喂策略(投喂率和投喂频率)对厚颌鲂幼鱼生长、消化酶活性和肠道发育的影响,本实验在流水养殖系统中开展了42天的厚颌鲂幼鱼养殖实验,设计了3个投喂率(5%,6.5%,8%体重/d)和2个投喂频率(2次/d、3次/d),每种投喂策略设定3个平行,饲喂商品饲料(33%粗蛋白,4%粗脂肪).结果表明,在投喂6.5%体重/d和3次/d的实验组,其鱼体增重率最高,且显著高于2次/d和3次/d投喂频率下投喂率为5%体重/d和8%体重/d的投喂组增重率,表明厚颌鲂幼鱼的生长显著受到投喂率的影响,但投喂频率对生长的影响并不显著;投喂率为8%体重/d和投喂频率为3次/d时,饲料系数显著高于其他各实验组的饲料系数;在实验过程中,投喂策略为8%体重/d和2次/d的实验组,其死亡率较高,而其他组的实验鱼其存活率均较高(90%以上),且各组间无显著差异;与其他处理组相比,在8%体重/d和3次/d的实验组,其鱼体粗蛋白、粗脂肪和肠消化酶活性显著降低;同时,该组与其他处理组相比,其肠道绒毛有融合和脱落的现象.综上所述,在流水养殖模式下,投喂率为6.5%体重/d和投喂频率为2次/d的投喂策略对于厚颌鲂幼鱼的生长最佳.

无人机辅助边缘计算环境下的路径策略研究

无人机(Unmanned Aerial Vehicles, UAVs)越来越多地被用作移动边缘计算(Mobile Edge Computing, MEC)中的移动服务器,因为它们能够为计算能力有限的终端用户提供低延迟、高可靠性和强大的计算服务。在具有挑战性的环境当中,现阶段进行了广泛的研究,提出了各种方法来增强无人机在这种条件下的适应性,并改善提供给地面终端用户的服务质量(Quality of Service, QoS)。本文在现有研究的基础上引入了更复杂的环境因素,以确保更接近真实世界的复杂性和多变性。此外,本文在研究无人机在复杂环境中的飞行路径过程中,通过考虑静态和移动障碍物引起的风险因素、终端用户需求的动态变化以及与无人机飞行能耗因素的影响。为了实现这一目标,本文将这些因素的影响纳入奖励矩阵中,并提出了相应的算法。本研究的目标是基于这些条件下,在更复杂的环境中验证目标算法的有效性和可靠性,并证明引入一个真实世界的环境的必要性。实验结果表明,所提目标算法在复杂环境中表现出鲁棒性和可靠性,优于其他基准算法,并强调模拟一个与真实世界密切相似的环境的重要性。

鱼类生理学课程教学方法改革探索

从多媒体动画、教学案例、互动式教学和学科前沿几方面探讨了如何能够提高学生学习鱼类生理学课程兴趣,帮助学生理解和记忆较难知识点,提高教学效果。同时,鱼类生理学实验课作为理论课的补充和重要组成部分,也应重视其教学效果的提高和内容的创新,切实达到培养学生动手能力的目的。

鱼类生理学实验课程教学改革与实践探索

鱼类生理学是水产养殖专业的核心课程之一,而实验课是学生巩固理论知识、提高动手能力的重要环节。然而目前实验课程依旧存在内容陈旧、教学模式简单、考核方式单一等不足之处,使得学生参与课程积极性不高,无法达到实验课程应有的教学效果,更无法满足“新时代、新农科”背景下的学生培养要求。因此本文从实验课程设置、实验内容安排、教学模式应用、课程考评体系及教学效果评价等方面展开探讨和改革,旨在激发学生学习热情,提高学生主观能动性,锻炼学生动手能力和创新意识,从而提高教学质量,培养卓越的农林人才。

养殖密度对厚颌鲂幼鱼生长、饲料利用及肠道抗氧化应激性能的影响

本研究拟通过养殖实验确定厚颌鲂(Megalobrama pellegrini)幼鱼最适养殖密度;同时,利用酶学和分子生物学手段分析养殖密度对厚颌鲂幼鱼肠道抗氧化酶活性及氧化应激相关基因表达的影响。实验设计5个密度处理组,分别为0.15 kg/m^(3) (50尾/桶)、0.24 kg/m^(3) (80尾/桶)、0.34 kg/m^(3) (110尾/桶)、0.42 kg/m^(3) (140尾/桶)和0.50 kg/m^(3) (170尾/桶),每组设置3个平行,实验周期为42 d。结果显示,当养殖密度从0.15 kg/m^(3) 逐渐升高到0.50 kg/m^(3) 时,厚颌鲂幼鱼生长(增重率和特定生长率)呈先上升后下降的趋势,且在最大密度时(0.50 kg/m^(3) )增重率和特定生长率显著低于0.34 kg/m^(3) 密度实验组(P<0.05)。同时,最高养殖密度处理组(0.50 kg/m^(3) )饲料系数显著高于中低密度实验组(0.15、0.24和0.34 kg/m^(3) )(P<0.05),说明过高养殖密度不利于厚颌鲂幼鱼的生长和饲料利用。实验表明,提高养殖密度并未影响厚颌鲂幼鱼成活率(P>0.05),各组存活率均较高(>97%)。当养殖密度为0.34 kg/m^(3) 时,厚颌鲂幼鱼全鱼粗蛋白和粗脂肪含量显著高于其他各密度实验组(P<0.05)。厚颌鲂幼鱼肠道抗氧化应激相关指标受到养殖密度的显著影响,其中,0.24和0.34 kg/m^(3) 密度处理组鱼体肠道总抗氧化能力显著高于最低密度组(0.15 kg/m^(3) )和高密度组(0.42、0.50 kg/m^(3) )(P<0.05);最高密度实验组(0.50 kg/m^(3) )肠道超氧化物歧化酶(SOD)和过氧化氢酶(CAT)活性最低,而丙二醛(MDA)含量最高(P<0.05);谷胱甘肽(GSH)含量最高值出现在0.34 kg/m^(3) 处理组,显著高于其他各实验组(P<0.05)。最低密度实验组(0.15 kg/m^(3) )厚颌鲂幼鱼肠道细胞色素P450(CYP1 A)基因相对表达量显著低于较高密度实验组(0.42 kg/m^(3) )(P<0.05);最高养殖密度组(0.50 kg/m^(3) )鱼体肠道转录因子NF-E2相关因子2(Nrf2)基因相对表达量最高,而锰超氧化物歧化酶基因(MnSOD)相对表达量最低,与0.34 kg/m^(3) 密度处理组间有显著性差异(P<0.05),说明养殖密度过高时能引起鱼体的氧化应激反应。研究表明,体重为0.45~1.36 g的厚颌鲂幼鱼最适养殖密度为0.34 kg/m^(3) ,该结果可为提高厚颌鲂苗种培育效率,促进其种质资源恢复提供理论基础。

饲料DHA/EPA比例对虎龙斑幼鱼生长、肌肉脂肪酸组成和肝脏脂肪代谢的影响

实验旨在探讨DHA/EPA比例对虎龙斑幼鱼生长、脂肪酸组成及脂肪代谢的影响。配制DHA/EPA比例为0.54、0.97、1.51、2.01、2.41和2.85的6组饲料,选择初重(20.8±0.03)g的虎龙斑幼鱼随机放入18个玻璃缸(每个组3个平行),实验周期42 d。结果表明,鱼体增重率和饲料系数未受DHA/EPA比例显著影响(P>0.05)。鱼体肌肉脂肪酸含量和组成受到DHA/EPA比例的影响。饲料最低DHA/EPA比例组(0.54)肝脏脂滴沉积、脂肪酸合成酶和乙酰辅酶A羧化酶基因表达显著上调(P<0.05),过氧化物酶体增殖物激活受体α、激素敏感性脂肪酶基因表达显著下调(P<0.05)。研究表明,DHA/EPA比例影响虎龙斑幼鱼肌肉脂肪酸组成,且适宜DHA/EPA比例对于维持鱼体肝脏脂肪代谢至关重要。

岩原鲤仔稚鱼生长发育过程中消化酶活性的变化

本文分析了岩原鲤仔稚鱼的生长变化情况及其胰蛋白酶、脂肪酶、淀粉酶和碱性磷酸酶等消化酶的活性变化情况,探讨了饥饿对鱼体消化酶活性的影响.结果显示,岩原鲤仔稚鱼的阶段体重变化呈指数模式(y=2.749e 0.0806x,R^2=0.973),但它较其他大多数鱼类的生长缓慢(特定生长率为8.29%).在岩原鲤仔稚鱼开口前即能检测到胰蛋白酶、脂肪酶、淀粉酶和碱性磷酸酶的活性,其中,胰蛋白酶和脂肪酶的活性在岩原鲤生长发育前期(1~10 d)显著上升(P<0.05),而淀粉酶和碱性磷酸酶的活性在生长初期的变化不显著(P>0.05).本文测定的4种消化酶活性在岩原鲤仔稚鱼生长后期(25 d)均显著上升(P<0.05),并在30 d左右达到峰值,而后在40 d时显著下降(P<0.05).于饥饿状态下岩原鲤仔稚鱼在开口后7 d的成活率为0,胰蛋白酶和脂肪酶的活性受到显著影响(P<0.05),而淀粉酶和碱性磷酸酶的活性虽有所降低,但与投喂组相比其差异并不显著(P>0.05).本实验结果表明,岩原鲤仔稚鱼在初期生长阶段需要含有充足蛋白质和脂肪的饵料或饲料,在其发育后期可以添加一定比例的碳水化合物,以作为其能量来源.

边缘云资源感知下的无人机飞行规划

在近距离为无人机(Unmanned Aerial Vehicles,UAVs)提供适当的地面控制和互补的计算与存储服务基础上,将使无人机能够支持广泛的应用。为实现此目标,部署在基站或其附近的边缘云平台至关重要。我们对现阶段提出的对于边缘云平台的资源约束的两种方法,即基于整数线性规划的多访问边缘计算(Multi-Access Edge Computing,MEC)感知无人机路径规划(MEC-Aware UAV Path Planning,MAUP)和加速MAUP(Accelerated MAUP,AMAUP)方法提出改进,并对其相关模拟环境提出限制条件,使得更加接近于真实环境。实验利用计算机仿真对原方案和改进方案进行评估,结果证明提出接近真实环境的必要性以及改进方案的有效性。