CN111291582B - 一种基于水母群算法的rfid天线优化部署方法 - Google Patents

一种基于水母群算法的rfid天线优化部署方法 Download PDF

Info

Publication number
CN111291582B
CN111291582B CN202010145288.7A CN202010145288A CN111291582B CN 111291582 B CN111291582 B CN 111291582B CN 202010145288 A CN202010145288 A CN 202010145288A CN 111291582 B CN111291582 B CN 111291582B
Authority
CN
China
Prior art keywords
reader
jellyfish
solution
deployment
food source
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010145288.7A
Other languages
English (en)
Other versions
CN111291582A (zh
Inventor
郑嘉利
罗文聪
覃团发
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University
Original Assignee
Guangxi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi University filed Critical Guangxi University
Priority to CN202010145288.7A priority Critical patent/CN111291582B/zh
Publication of CN111291582A publication Critical patent/CN111291582A/zh
Application granted granted Critical
Publication of CN111291582B publication Critical patent/CN111291582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10019—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers.
    • G06K7/10079—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions
    • G06K7/10089—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision
    • G06K7/10099—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision the directional field being used for pinpointing the location of the record carrier, e.g. for finding or locating an RFID tag amongst a plurality of RFID tags, each RFID tag being associated with an object, e.g. for physically locating the RFID tagged object in a warehouse
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于水母群算法的RFID天线优化部署方法；该方法利用水母群算法对RFID天线优化部署的多目标进行优化，再利用寻找解集的方式找到优化部署的解，从而提高RFID天线部署性能。系统包括：RFID参考标签、阅读器天线、阅读器终端、WiFi无线收发模块和PC上位机。该系统及方法包含以下几个阶段：初始化阶段、参数编码阶段、构建求解模型阶段、优化部署阶段。与现有的技术相比，本发明具有迭代次数少，运算精度高，无梯度优化，成本低、性能高效等优点。

Description

一种基于水母群算法的RFID天线优化部署方法
技术领域
本发明涉及无线射频优化部署技术领域，具体地说是一种基于水母群算法的RFID天线优化部署方法。
背景技术
物联网是在互联网的基础上，将其用户端延伸和扩展到任何物品，进行信息交换和通信的一种网络。物联网的关键技术，射频识别(Radio Frequency Identification，RFID)技术是一种通过射频信号进行非接触式识别的自动识别技术，可对被识别物体进行识别。而其领域中的优化部署这一方面由于可以节约成本，调节负载均衡和提高覆盖率等，受到了各方面的关注，并且展现出很好的发展前景，如何很好的解决RFID技术中的天线优化部署问题也变成了一个具有探索意义的问题。
常用的RFID阅读器天线的优化部署方法包括粒子群(PSO，Particle SwarmOptimization)算法，萤火虫算法，爆炸烟花算法等。粒子群算法即粒子群优化算法，也称鸟群觅食算法，是一种通过模拟鸟群觅食行为而发展起来的基于群体协作的随机搜索算法，通常认为它是群集智能(SI，Swarm intelligence)的一种。运用此类群体智能算法可以完成RFID阅读器天线的优化部署，但都容易陷入局部最优解，导致最终的部署方法不是全局最优的方法。水母群算法则是一种新提出的群体智能算法，具有无梯度优化、灵活性强、不易陷入局部最优等优点，其在RFID天线优化部署领域具有巨大的优势和发展潜力。
通过文献检索，我检索到了以下相关文献，这些文献所采用的RFID天线优化部署算法可以实现一定程度的天线优化部署，但都没有使用水母群算法如：
中国专利CN201610247877.X，模拟冰壶运动的RFID网络规划方法，专利权人：西安电子科技大学。该专利公开了一种模拟冰壶运动的RFID网络规划方法，首先模拟冰壶运动构建阅读器模型，设计阅读器的移动与碰撞操作；构建一个阅读器，定义其在工作区域中的移动操作和碰撞操作；通过计算覆盖率来来进行阅读器的消除操作，并输出RFID网络优化方案。该发明实施仅优化了覆盖率这一个目标，具有系统结构简单、成本低、部署难度低及硬件利用率高的优点。但是对于其他如负载均衡、经济效益、阅读器干扰等目标则没有考虑到，若需要考虑多目标优化，则相应的成本和算法复杂度会呈指数形式上涨。
中国专利CN201910663637.1，一种基于定位精度贡献度的UHF RFID阵列天线优化部署方法，专利权人：天津工业大学。改专利公开了一种基于定位精度贡献度的UHF RFID阵列天线优化部署方法，以阅读器天线的位置和姿态为优化变量，以优化目标函数最小化作为优化方向，从而构建适于UHF RFID定位的RNP模型，设计人工蜂群算法解决RNP问题，以几何精度因子为基础构建定位精度评价方法，围绕定位精度、覆盖程度和系统干扰建立优化目标函数，引入定位精度贡献度，提升寻优性能。该发明实施优化了定位精度、覆盖程度和系统干扰等多个目标，具有定位精度高，模型完善等优点，但未提出优化其目标的主次性，若三个目标同时优化，容易陷入局部次优，得不到最佳的RFID天线优化部署方案。
发明内容
本发明的目的在于提供一种基于水母群算法的RFID天线优化部署方法。致力于将智能集群优化算法中的水母群算法与RFID天线优化部署相结合，以增强整个系统对于噪声的抗干扰能力，优化天线部署的同时节约成本。为了实现本发明的目的，提供了一种基于水母群算法的RFID天线优化部署方法，包括：
RFID标签，其分布在室内，用于发射原始RSSI信号强度值数据；
多个阅读器天线和一个阅读器终端，其分布在室内，用于读取RFID标签信息和RSSI值；
WiFi无线收发模块：用于接收和传输阅读器的数据；
PC上位机：用于读取标签信息、水母群算法的RFID天线优化部署模型的训练和输出优化部署后的RFID天线位置。
该方法包含以下步骤：初始化、参数编码、构建求解模型、优化部署。与现有的技术相比，本发明具有不易陷入局部次优，抗环境变化能力强，成本低且高效等优点。
一种基于水母群算法的RFID天线优化部署方法，其特征在于，包括以下步骤：
步骤1)初始化阶段：在指定的区域内布置多个随机分布的阅读器天线，多个随机分布RFID标签，多次读取标签信息，获得此时天线以及标签的原始数据；
步骤2)参数编码阶段：根据阅读器位置及发射功率对RFID天线部署控制变量进行编码，根据编码初始化水母群参数；
步骤3)构建求解模型阶段：将整理好的训练数据作为输入，通过水母群算法对训练数据进行优化，构建水母群算法优化部署模型；
步骤4)优化部署阶段：定义迭代次数，对个体的适应度进行计算，构建满足条件的解集，从而构建食物源；通过迭代不断寻找满足优化条件的非支配解，更新食物源，更新解集；在解集中找到所需的RFID天线优化部署的解，完成天线的优化部署。
1.本发明进一步说明，所述初始化具体方法为：对于任意的标签t∈TS，只有满足了条件
Figure BSA0000203288500000021
和
Figure BSA0000203288500000022
才会被阅读器覆盖；其中，TS为部署系统内标签的集合，r1、r2为部署区内的任意两个阅读器，
Figure BSA0000203288500000023
为标签t收到的阅读器r1的功率，
Figure BSA0000203288500000024
为阅读器收到的标签返回的功率；此时阅读器的标签覆盖率f1如下式所示：
Figure BSA0000203288500000025
Figure BSA0000203288500000026
其中，Tt为标签与阅读器建立连接的阈值，Tr为阅读器与标签建立连接的阈值，Nt为此时分布在阅读器天线工作区域内的标签总数，RS为部署的阅读器天线的集合；Cv(t)为任意标签t的覆盖率函数，当Cv(t)为1时，表示标签t已被阅读器覆盖；当Cv(t)为0时，表示标签t未被阅读器覆盖；此时系统的负载均衡f2如下式所示：
Figure BSA0000203288500000027
其中，K为预先设置的阅读器的数量，Ci为阅读器i覆盖的标签的总数，在部署时应保证每个阅读器分配的标签数量尽可能相同。
系统的经济效益f3为：
Figure BSA0000203288500000031
其中，Ri，x为阅读器i的x轴坐标，Ri，y为阅读器i的y轴坐标，centerx为标签密集区域中心位置的x轴坐标，centery为标签密集区域中心位置的y轴坐标，布置阅读器时尽可能的使阅读器i离标签密集区域中心接近。
系统间阅读器冲突f4为：
Figure BSA0000203288500000032
其中，di和dj分别为阅读器i和阅读器j的干扰距离，Rj，x为阅读器j的x轴坐标，Rj，y为阅读器j的y轴坐标。
2.本发明进一步说明，所述参数编码阶段的具体方法为：对将要部署的阅读器天线进行编码，每个阅读器发射的功率、编码的表达式记为：
Figure BSA0000203288500000033
Figure BSA0000203288500000034
以及
Figure BSA0000203288500000035
分别为阅读器k的坐标和功率，其中k＝1，2，...，K。
随机生成N个3K维的水母群个体，由矩阵X表示：
Figure BSA0000203288500000036
3.本发明进一步说明，所述构建求解模型的具体方法为：将覆盖率函数f1作为约束条件，优化系统的负载均衡f2，经济效益f3，阅读器冲突f4；将con定义为优化部署必须满足的最低覆盖率，使系统中的负载均衡函数f2、经济效益函数f3、阅读器冲突函数f4最小化：
min f(x)＝{f2，f3，f4}，x＝(x1，x2，x3，…，xj，…，x3K)∈S (8)
f1≥con (9)
其中S为水母种群的搜索空间，其搜索下界为lbi，搜索上界为ubi，阅读器参数xi应满足以下条件：
lbi≤xi≤ubi，i＝1，2，...，n (10)
4.本发明进一步说明，所述优化部署包括以下具体步骤：
1)设计解空间内食物源存储库F：在所有解空间内，创建食物源存储库，该库保持了优化过程中迄今为止获得的最佳非支配解。
2)计算水母个体适应度：
Figure BSA0000203288500000037
其中fi是个体i的目标函数值。
构建适应度矩阵Fitness，装载计算得到的每个水母个体不同维度的适应度值，结构如下：
Figure BSA0000203288500000041
通过计算比较适应度值大小可以得知哪些水母个体为非支配解，定义x1、x2为系统的两个可行解，如果满足条件：
Figure BSA0000203288500000042
则称可行解x1支配可行解x2，记为x1＜x2，可行解x1为非支配解，利用现有的非支配解更新食物源存储库F，将可行解x1的适应度值加入食物源存储库F，食物源存储库F将更新为：
F＝[x1] (14)
同理，若有新的可行解x3为非支配解，则加入食物源存储库F，食物源存储库F将更新为：
Figure BSA0000203288500000043
以上规则可以保证食物源存储库始终存储由算法获得的非支配解，然而，有一种特殊的情况是，与存储库中的所有解相比，存储库已满并且得到的水母个体解xi是非支配的。此时，设置食物源存储库F最大容量为Flength，若存储库中解的个数大于Flength，则随机删除其中的某个解，将xi加入食物源存储库F中，此时的食物源存储库F即是算法得到的解集。
3)对水母群体根据食物源的位置更新：
Figure BSA0000203288500000044
Figure BSA0000203288500000045
为第一只水母(领导者)在维度j的位置，Fj为食物源在维度j的位置，ubj为维度j的上界，lbj为维度j的下界。上式表明了领导者只对食物源更新自己的位置。参数c1代表了水母群的勘察和搜索能力：
Figure BSA0000203288500000046
l为当前迭代次数，L为最大迭代次数。参数c2和c3是满足[0，1]之间的随机数，控制了个体在维度j上的下一个位置是朝向正无穷还是负无穷，也控制了个体的步长。
为了更新水母群的追随者个体，采用如下公式：
Figure BSA0000203288500000047
其中，i≥2，
Figure BSA0000203288500000048
为第i个追随者在维度j更新后的位置，
Figure BSA0000203288500000049
与
Figure BSA00002032885000000410
为水母链中两个紧密相连的追随者个体在维度j的位置，当前追随者个体受前一个追随者个体的影响，呈链式结构逐次前进。
4)查看当前迭代次数l，是否满足最大迭代次数L，若未达到，重复执行步骤2)、3)直至最大迭代次数；若达到最大迭代次数L，则从食物源存储库F中得到非支配解集，即解集；提取出所需的阅读器坐标
Figure BSA0000203288500000051
部署阅读器天线，完成RFID天线的优化部署模型的构建。
本发明的有益效果是：
1、参数编码阶段，将每个阅读器的X轴、Y轴坐标信息以及发射功率P进行编码，随机生成N个3K维的水母群个体，由矩阵X表示，有效的避免了其他变量对优化部署系统的影响，模型输入值更加精确，建立了高质量的优化部署模型，有效的解决了算法受异常环境状况而导致的找不到优化部署的解的问题。
2、利用水母群算法进行RFID天线优化部署，其基本原理是将覆盖率函数f1作为约束条件，优化系统的负载均衡f2，经济效益f3，阅读器冲突f4；将con定义为优化部署必须满足的最低覆盖率，使系统中的负载均衡函数f2、经济效益函数f3、阅读器冲突函数f4最小化，水母群算法中的每个水母的适应度函数作为多目标优化的函数，定义迭代次数，对个体的适应度进行计算，构建满足条件的解集，构建食物源；通过迭代不断寻找满足优化条件的非支配解，更新食物源，更新解集；在解集中找到所需的RFID天线优化部署的解，完成天线的优化部署。仿真数据表明，该方法相较于传统算法，泛化能力更好，精确度更高，更容易找到解集。并且能在提高精度的前提下降低优化部署系统使用成本，有效的减少部署时间，克服因信号发生多径效应、环境变化而带来的问题。
附图说明
图1.本发明的一种基于水母群算法的RFID天线优化部署方法中标签在规定范围内随机生成的分布情况；
图2.本发明的一种基于水母群算法的RFID天线优化部署方法中水母群寻找食物源模型；
图3.本发明的一种基于水母群算法的RFID天线优化部署算法流程图。
具体实施方式
下面结合附图对本发明进一步说明。
实施例：
参见图1，为本发明的一种基于水母群算法的RFID天线优化部署方法中标签在规定范围内随机生成的分布情况。在RFID系统中，水母群的位置状态与阅读器位置状态为一一对应的关系，一个RFID阅读器表示一只水母，水母群则表示了整个区域的可行解，每一只水母对应着潜在的解。将系统中的N个阅读器对应系统中的N个3K维的水母群个体，标签随机分布在实验区域内，水母群通过链式结构不断搜索食物源，不断对水母的位置进行更新，并且重新计算更新后的水母的适应度，对适应度进行比较，使该算法在达到最大迭代次数之后得到解集。
步骤1)原始数据采集阶段：在指定的区域内布置多个随机分布的阅读器天线，多个随机分布RFID标签，多次读取标签信息，获得此时天线以及标签的原始数据；假设在RFID天线优化部署系统中的实验区域为30m*30m的区域，在实验区域内随机生成50个标签，如图1所示，标签的位置不随任何条件改变，记录此时阅读器的位置，阅读器位置及功率则对应水母个体的坐标和功率，每一只水母的位置信息和功率都是阅读器位置的潜在解；
步骤2)初始化参数阶段：根据阅读器位置及发射功率对RFID天线部署控制变量进行编码，根据编码初始化水母群参数，随机部署5个阅读器，编码方式如下：
Figure BSA0000203288500000061
实例如下：
x＝[24.4，2.9，0.3，27.1，8.4，0.7，3.8，16.4，1.5，27.4，28.7，0.9，19.0，28.9，1.8]
此时，假设有5个水母，每个水母对应一个阅读器，实例如下：
Figure BSA0000203288500000062
步骤3)构建模型阶段：将整理好的训练数据作为输入，通过水母群算法对训练数据进行优化，构建水母群算法优化部署模型；
步骤4)优化部署阶段：定义迭代次数L＝500，迭代次数完成时，算法结束，或者是算法中的解集无法改变时，结束算法。此时根据每个阅读器的信息，基于标签计算适应度，得到一组一组5行3列的数据，结构如下：
Figure BSA0000203288500000063
实例如下，得到适应度矩阵：
Figure BSA0000203288500000064
通过适应度值的比较，以各个目标函数适应度值最好的三个阅读器作为食物源及非支配解集的构成，加入食物源库F，对应的位置关系是：
Figure BSA0000203288500000065
参考图2，水母群根据以上三个位置来寻找食物源，通过水母群更新位置公式：
Figure BSA0000203288500000066
在进行位置更新寻找食物源时，设置L为最大迭代次数，l为当前迭代次数，利用惯性常数服从线性递减规律，定义参数
Figure BSA0000203288500000071
控制个体在维度j上的下一个位置是朝向正无穷还是负无穷，也控制了个体的步长，同时控制了水母群的勘察和搜索能力，在迭代过程前期参数c1较大，使得步长较大，探索区域加大，容易找到多个解，不易过早收敛；在迭代过程的后期，c1逐渐变小，让算法更容易收敛到精确的解。
根据所有水母群个体更新位置之后的信息作为RFID阅读器的位置逆袭，利用目标函数计算每个位置RFID阅读器的适应度值，将适应度最好的阅读器作为新一轮迭代过程中的食物源fitness，更新其他水母位置，更新解集，迭代次数L＝L+1；查看当前迭代次数，是否大于L，若未达到，则继续进行位置更新，直到达到最大迭代次数，在解集中找到所需要的优化部署的最优解，找到对应的水母位置信息，作为RFID阅读器天线优化部署的结果。
综上所述，本发明提出一种基于水母群算法的RFID天线优化部署方法，具体为：将覆盖率函数f1作为约束条件，优化系统的负载均衡f2，经济效益f3，阅读器冲突f4；将con定义为优化部署必须满足的最低覆盖率，使系统中的负载均衡函数f2、经济效益函数f3、阅读器冲突f4最小化，水母群算法中的每个水母的适应度函数作为多目标优化的函数，定义迭代次数，对个体的适应度进行计算，构建满足条件的解集，构建食物源；通过迭代不断寻找满足优化条件的非支配解，更新食物源，更新解集；在解集中找到所需的RFID天线优化部署的解，完成天线的优化部署。本发明解决了RFID天线部署中的容易陷入局部最优解和单一解的问题，采用后验的算法，不需要先验的知识以及无须设置权重，且算法精度高，迭代次数少，系统成本较低，所以本发明具有很强的实用价值。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求内。

Claims (1)

1.一种基于水母群算法的RFID天线优化部署方法，其特征在于，包括以下步骤：
步骤1)初始化阶段：在指定的区域内布置多个随机分布的阅读器天线，多个随机分布RFID标签，多次读取标签信息，获得此时天线以及标签的原始数据；具体方法为：对于任意的标签t∈TS，只有满足了条件
Figure FSB0000203851960000011
和
Figure FSB0000203851960000012
才会被阅读器覆盖；其中，TS为部署系统内标签的集合，r1、r2为部署区内的任意两个阅读器，
Figure FSB0000203851960000013
为标签t收到的阅读器r1的功率，
Figure FSB0000203851960000014
为阅读器收到的标签返回的功率；此时阅读器的标签覆盖率f1如下式所示：
Figure FSB0000203851960000015
Figure FSB0000203851960000016
其中，Tt为标签与阅读器建立连接的阈值，Tr为阅读器与标签建立连接的阈值，Nt为此时分布在阅读器天线工作区域内的标签总数，RS为部署的阅读器天线的集合；Cv(t)为任意标签t的覆盖率函数，当Cv(t)为1时，表示标签t已被阅读器覆盖；当Cv(t)为0时，表示标签t未被阅读器覆盖；此时系统的负载均衡f2如下式所示：
Figure FSB0000203851960000017
其中，K为预先设置的阅读器的数量，Ci为阅读器i覆盖的标签的总数；
系统的经济效益f3为：
Figure FSB0000203851960000018
其中，Ri，x为阅读器i的x轴坐标，Ri，y为阅读器i的y轴坐标，centerx为标签密集区域中心位置的x轴坐标，centery为标签密集区域中心位置的y轴坐标；
系统间阅读器冲突f4为：
Figure FSB0000203851960000019
其中，di和dj分别为阅读器i和阅读器j的干扰距离，Rj，x为阅读器j的x轴坐标，Rj，y为阅读器j的y轴坐标；
步骤2)参数编码阶段：根据阅读器位置及发射功率对RFID天线部署控制变量进行编码，根据编码初始化水母群参数；具体方法为：对将要部署的阅读器天线进行编码，每个阅读器发射的功率、编码的表达式记为：
Figure FSB00002038519600000110
Figure FSB00002038519600000111
以及
Figure FSB00002038519600000112
分别为阅读器k的坐标和功率，其中k＝1，2，...，K；
随机生成N个3K维的水母群个体，由矩阵X表示：
Figure FSB00002038519600000113
步骤3)构建求解模型阶段：将整理好的训练数据作为输入，通过水母群算法对训练数据进行优化，构建水母群算法优化部署模型；具体方法为：将覆盖率函数f1作为约束条件，优化系统的负载均衡f2，经济效益f3，阅读器冲突f4；将con定义为优化部署必须满足的最低覆盖率，使系统中的负载均衡函数f2、经济效益函数f3、阅读器冲突函数f4最小化：
min f(x)＝{f2，f3，f4}，x＝(x1，x2，x3，…，xj，…，x3K)∈S (8)
f1≥con (9)
其中S为水母种群的搜索空间，其搜索下界为lbi，搜索上界为ubi，阅读器参数xi应满足以下条件：
lbi≤xi≤ubi，i＝1，2，...，n (10)
步骤4)优化部署阶段：定义迭代次数，对个体的适应度进行计算，构建满足条件的解集，从而构建食物源；通过迭代不断寻找满足优化条件的非支配解，更新食物源，更新解集；在解集中找到所需的RFID天线优化部署的解，完成天线的优化部署；具体步骤为：
1)设计解空间内食物源存储库F：在所有解空间内，创建食物源存储库，该库保持了优化过程中迄今为止获得的最佳非支配解；
2)计算水母个体适应度：
Figure FSB0000203851960000021
其中fi是个体i的目标函数值；
构建适应度矩阵Fitness，装载计算得到的每个水母个体不同维度的适应度值，结构如下：
Figure FSB0000203851960000022
通过计算比较适应度值大小可以得知哪些水母个体为非支配解，定义x1、x2为系统的两个可行解，如果满足条件：
Figure FSB0000203851960000023
则称可行解x1支配可行解x2，记为x1＜x2，可行解x1为非支配解，利用现有的非支配解更新食物源存储库F，将可行解x1的适应度值加入食物源存储库F，食物源存储库F将更新为：
F＝[x1] (14)
同理，若有新的可行解x3为非支配解，则加入食物源存储库F，食物源存储库F将更新为：
Figure FSB0000203851960000024
以上规则可以保证食物源存储库始终存储由算法获得的非支配解，然而，有一种特殊的情况是，与存储库中的所有解相比，存储库已满并且得到的水母个体解xi是非支配的；此时，设置食物源存储库F最大容量为Flength，若存储库中解的个数大于Flength，则随机删除其中的某个解，将xi加入食物源存储库F中，此时的食物源存储库F即是算法得到的解集；
3)对水母群体根据食物源的位置更新：
Figure FSB0000203851960000031
Figure FSB0000203851960000032
为第一只水母在维度j的位置，Fj为食物源在维度j的位置，ubj为维度j的上界，lbj为维度j的下界；上式表明了领导者只对食物源更新自己的位置，参数c1代表了水母群的勘察和搜索能力：
Figure FSB0000203851960000033
l为当前迭代次数，L为最大迭代次数；参数c2和c3是满足[0，1]之间的随机数，控制了个体在维度j上的下一个位置是朝向正无穷还是负无穷，也控制了个体的步长；
为了更新水母群的追随者个体，采用如下公式：
Figure FSB0000203851960000034
其中，i≥2，
Figure FSB0000203851960000035
为第i个追随者在维度j更新后的位置，
Figure FSB0000203851960000036
与
Figure FSB0000203851960000037
为水母链中两个紧密相连的追随者个体在维度j的位置，当前追随者个体受前一个追随者个体的影响，呈链式结构逐次前进；
4)查看当前迭代次数l，是否满足最大迭代次数L，若未达到，重复执行步骤2)、3)直至最大迭代次数；若达到最大迭代次数L，则从食物源存储库F中得到非支配解集；提取出所需的阅读器坐标
Figure FSB0000203851960000038
部署阅读器天线，完成RFID天线的优化部署模型的构建。
CN202010145288.7A 2020-03-04 2020-03-04 一种基于水母群算法的rfid天线优化部署方法 Active CN111291582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010145288.7A CN111291582B (zh) 2020-03-04 2020-03-04 一种基于水母群算法的rfid天线优化部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010145288.7A CN111291582B (zh) 2020-03-04 2020-03-04 一种基于水母群算法的rfid天线优化部署方法

Publications (2)

Publication Number Publication Date
CN111291582A CN111291582A (zh) 2020-06-16
CN111291582B true CN111291582B (zh) 2023-04-07

Family

ID=71027363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010145288.7A Active CN111291582B (zh) 2020-03-04 2020-03-04 一种基于水母群算法的rfid天线优化部署方法

Country Status (1)

Country Link
CN (1) CN111291582B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113850019A (zh) * 2021-09-16 2021-12-28 国家电网有限公司 基于改进无梯度算法的多水库水电站功率优化方法
CN114565243A (zh) * 2022-02-15 2022-05-31 石河子大学 低碳化综合能源管控方法、装置、设备、及介质
CN115460615A (zh) * 2022-09-06 2022-12-09 广西大学 一种基于头脑风暴算法的rfid天线优化部署方法
CN117933099B (zh) * 2024-03-21 2024-06-07 深圳市智仁科技有限公司 一种主板电源的输出方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003225639A (ja) * 2002-02-07 2003-08-12 Electric Power Dev Co Ltd 海水取水ラインへの混入クラゲ類の処理方法
CN107153800A (zh) * 2017-05-04 2017-09-12 天津工业大学 一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案
WO2018060523A2 (en) * 2016-09-30 2018-04-05 Ge Healthcare Bio-Sciences Corp Computer device for detecting an optimal candidate compound and methods thereof

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003225639A (ja) * 2002-02-07 2003-08-12 Electric Power Dev Co Ltd 海水取水ラインへの混入クラゲ類の処理方法
WO2018060523A2 (en) * 2016-09-30 2018-04-05 Ge Healthcare Bio-Sciences Corp Computer device for detecting an optimal candidate compound and methods thereof
CN107153800A (zh) * 2017-05-04 2017-09-12 天津工业大学 一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于樽海鞘群算法的无源时差定位;陈涛等;《电子与信息学报》;第40卷(第07期);第1591-1597页 *
改进的樽海鞘群算法及在焊接梁问题中的应用;王彦军等;《西安理工大学学报》;第35卷(第04期);第65页 *

Also Published As

Publication number Publication date
CN111291582A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN111291582B (zh) 一种基于水母群算法的rfid天线优化部署方法
Ma et al. Two-level master–slave RFID networks planning via hybrid multiobjective artificial bee colony optimizer
Fan et al. A new improved whale optimization algorithm with joint search mechanisms for high-dimensional global optimization problems
CN109241313A (zh) 一种基于高阶深度哈希学习的图像检索方法
CN110234085B (zh) 基于对抗迁移网络的室内位置指纹地图生成方法及系统
CN107153800A (zh) 一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案
Bacanin et al. RFID network planning by ABC algorithm hybridized with heuristic for initial number and locations of readers
CN108388666A (zh) 一种基于萤火虫算法的数据库多表连接查询优化方法
Xiang et al. Hybrid WSN node deployment optimization strategy based on CS algorithm
Zhou et al. A chaotic parallel artificial fish swarm algorithm for water quality monitoring sensor networks 3D coverage optimization
CN117440385A (zh) 一种基于改进沙猫算法的射频识别网络规划部署方法
Jia et al. An artificial fish swarm algorithm for a multi-objective grain transportation problem
CN111241648A (zh) 一种基于鬣狗捕获模型的rfid网络动态优化部署方法
CN112487723B (zh) 一种基于多参数的中水热源泵系统优化设计方法
Yixuan et al. Hybrid gray wolf optimization-cuckoo search algorithm for RFID network planning
Liu et al. Research on wireless sensor network localization based on an improved whale optimization algorithm
Wang Optimization of wireless network node deployment in smart city based on adaptive particle swarm optimization
CN113205185A (zh) 网络模型优化方法、装置、计算机设备和存储介质
Hong et al. Optimization Method of RFID Reader Antenna Deployment in Obstacle Environment Based on Improved FA
Xie New intelligent optimization framework
WenCong et al. RFID reader antenna optimal deployment based on improved elephant herding algorithm
CN115460615A (zh) 一种基于头脑风暴算法的rfid天线优化部署方法
CN115493592B (zh) 基于多目标进化算法的室内定位方法及系统
Ahmad et al. A comparative study of Gaussian mixture algorithm and K-means algorithm for efficient energy clustering in MWSN
Liu et al. A decomposition-based multi-objective self-adaptive differential evolution algorithm for RFID network planning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Chen Fayu

Inventor after: Zheng Jiali

Inventor after: Luo Wencong

Inventor after: Qin Tuanfa

Inventor before: Zheng Jiali

Inventor before: Luo Wencong

Inventor before: Qin Tuanfa