简介:对16份云和雪梨(Pyruspyrifolia)种质进行了S-RNase基因部分核苷酸片段的PCR扩增和测序,通过BLAST进行基于核苷酸序列的同源性分析以确定S基因类型,并确定各样本的S基因型.结果显示:15份种质的S基因型完全一致,2个位点与S4和S19的同源性分别均为100%,因此,其基因型为S4S19;而真香梨中的一个S基因为S19,另一个则与S5a和S41同源性分别为98%和100%,因此,真香梨的S基因型为S19S41(S19S5a).这3个S基因中,S4和S19分别在砂梨和白梨中频率最高,而S41(S5a)仅在秋子梨(P.ussuriensis)和西方梨种(P.pyraster)中广泛存在.研究结果为云和雪梨授粉品种选择和遗传育种提供了依据.
简介:为了在ad-hoc移动朵云中高效率地解决任务分配这一核心问题,提出了一种基于启发式算法的任务分配算法.粒子群优化和模拟退火优化的任务分配算法(PSO-SA)将任务之间的依赖关系转化为有向无环图(DAG)模型,其中各个节点上的数值表示任务产生的负载,DAG的各个边的数值表示传输产生的负载.为了模拟ad-hoc移动朵云的任务分配环境,建立了数学模型来描述各个子任务之间的依赖关系并定义各个子任务的卸载成本.PSO-SA用于任务分配决策并最小化所有移动设备的成本,能耗和时间延迟同时作为卸载成本.PSO-SA结合了粒子群优化和模拟退火优化的优势,通过以一定概率选取最优解的方式,避免算法过早落入局部最优解,同时保证算法收敛速度.仿真结果表明,与其他现有算法相比,PSO-SA算法产生的卸载成本较低并且其结果可以非常接近最优解.