CN112052694B - 一种有长方体障碍物的三维空间读写器天线优化部署方法 - Google Patents
一种有长方体障碍物的三维空间读写器天线优化部署方法 Download PDFInfo
- Publication number
- CN112052694B CN112052694B CN202010646502.7A CN202010646502A CN112052694B CN 112052694 B CN112052694 B CN 112052694B CN 202010646502 A CN202010646502 A CN 202010646502A CN 112052694 B CN112052694 B CN 112052694B
- Authority
- CN
- China
- Prior art keywords
- reader
- antenna
- writer
- tag
- cuboid
- 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
Links
- 230000004888 barrier function Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 37
- 241000254158 Lampyridae Species 0.000 claims abstract description 72
- 230000006870 function Effects 0.000 claims abstract description 13
- 230000008447 perception Effects 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000000739 chaotic effect Effects 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 230000031700 light absorption Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 239000007787 solid Substances 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06K7/10316—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 using at least one antenna particularly designed for interrogating the wireless record carriers
- G06K7/10356—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 using at least one antenna particularly designed for interrogating the wireless record carriers using a plurality of antennas, e.g. configurations including means to resolve interference between the plurality of antennas
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Electromagnetism (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种有长方体障碍物的三维空间读写器天线优化部署方法。首先建立了长方体障碍物RFID天线部署优化环境模型,采用改进的读写器天线感知模型,给出标签能被读写器天线感知的约束条件以及判断读写器天线与标签之间是否存在长方体障碍物的方法。然后以覆盖率、干扰度和负载平衡函数为目标函数,模拟RFID现场工作环境,应用改进萤火虫算法得出读写器天线最优部署方案的最优解及适应度值,完成读写器天线的部署及优化。本发明解决标签存在长方体障碍物之间或物料本身是障碍物的RFID环境的读写器天线部署问题,并达到最优的读写器天线部署,使读写器天线对标签的识读率达到最高。
Description
技术领域
本发明涉及RFID读写器天线优化部署领域,尤其涉及在有长方体障碍物的三维空间下快速部署和优化读写器天线的位置及方向的方法。
背景技术
RFID技术是物联网感知层的重要核心之一,不仅促进作为继计算机、物联网和移动通信之后的又一次信息产业革命——物联网迅速发展,还推进了RFID技术的应用发展。涉及到物流、防伪、零售、食品、制造业、汽车、服装业、交通、医疗、身份识别、军事等社会生活的方方面面,应用十分广泛。RFID系统主要包括四个组件:主机系统、RFID读写器、天线和RFID标签。RFID读写器天线作为RFID系统性能的重要决定因素之一,其读写器天线数量、部署的位置和方向对标签的识读率有着重要影响,提高RFID通信的有效性和稳定性。
RFID天线优化部署是指有效的进行RFID读写器天线部署,使读写器天线得到优化分配,RFID天线优化部署环境主要有两种形式——无障碍物和有障碍物。在RFID天线优化部署无障碍物的条件下,即RFID的工作环境理想的条件下,综合考虑覆盖率、读写器天线间的干扰度、经济成本等,建立RFID天线优化部署模型,利用粒子群算法、蚁群算法等解决RFID天线优化部署问题;RFID天线优化部署的工作环境往往存在金属等RFID不容易穿透的物体,即障碍物,但目前针对存在障碍物的RFID天线优化部署比较少,现行的方法是将障碍物看成矩形或者长方体等典型形状。当考虑障碍物为矩形时,将读写器天线对标签的识读问题转化为读写器天线、标签为端点的线段与矩形障碍物两对角线线段的交叉问题,设计“跨立试验”,建立的RFID优化模型较为复杂,并没有考虑障碍物为长方体的情况,且识读率低;但实际障碍物往往是长方体,虽然现在有方法解决将障碍看成长方体,但只是考虑到障碍物是单独存在于RFID三维空间中,如图4,未考虑标签存在障碍物之间,或者物料本身。那么有效解决标签存在长方体障碍物或者物料本身是障碍物的情况下如何对读写器天线进行部署就很有必要。
发明内容
本发明目的在于针对现有技术的不足,建立了将障碍物看成长方体的RFID天线优化部署环境模型,如图3,综合覆盖率、干扰度、负载平衡建立读写器天线的识读率模型,利用混沌初始化方法和惯性权重方法,融入萤火虫算法,对RFID天线部署进行寻优,实现了对RFID读写器天线的最优部署,提出了一种有长方体障碍物的三维空间读写器天线优化部署方法,简洁有效地解决标签存在长方体障碍物之间或物料本身是障碍物的RFID环境的读写器天线部署问题。
本发明的目的是通过以下技术方案来实现的:一种有长方体障碍物的三维空间读写器天线优化部署方法,该方法步骤如下:
(1)通过改进的读写器天线感知模型判断读写器天线与标签之间是否存在长方体障碍物影响其通讯,所述改进的读写器天线感知模型具体如下:
设读写器天线R的位置坐标为(xr,yr,zr),读写器天线平面法向量为(a,b,c),某一标签T的位置坐标为(xt,yt,zt),该标签能被该读写器天线感知的约束条件为:
式中:lr、θr分别读写器天线R的识读距离和识读夹角,barrier用于表示读写器天线R与标签T之间是否存在长方体障碍物影响其通讯。标签与长方体障碍物形成的整体的空间为长A、宽B、高C,标签排列在长方体障碍物之间,标签与长方体障碍物之间间隔距离为h,读写器天线部署在标签与长方体障碍物形成的整体的空间的左侧、右侧或上侧;
判断读写器天线R与标签T之间是否存在长方体障碍物的方法如下:
a.判断读写器天线所在的空间区域,标签与长方体障碍物形成的整体的空间的左侧、右侧或上侧
b.构造标签T和读写器天线R三维空间连线,若读写器天线位于左或右侧区域,则将标签T和读写器天线R三维空间的连线投影到yoz面,若位于上侧则直接判断;
c.判断条件
i若读写器天线位于右侧,读写器天线投影到yoz面,若满足
则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;若不满足式2,则barrier=1。
ii若读写器天线位于左侧,读写器天线投影到yoz面,若满足
则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;若不满足式3,
则barrier=1。
iii若读写器天线位于上侧,只需判断读写器天线Z坐标是否大于标签与长方体障碍物整体的高度C;若大于C,则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;否则barrier=1。
θt′为标签T与长方体障碍物边界的最大夹角,θr′为构造标签T和读写器天线R三维空间连线在yoz面投影与xoz方向的方向向量的夹角。
(2)以覆盖率、干扰度、负载平衡函数为目标函数,模拟RFID现场工作环境,应用改进萤火虫算法完成读写器天线的部署及优化,其具体步骤如下:
(2.1)初始化读写器天线最大总数Nmax、读写器天线的识读距离lr和识读夹角θr以及RFID三维空间信息,对RFID环境空间进行离散化处理,使RFID环境空间变为由有限单位立方体txyz组成,x,y,z为单位立方体的空间坐标,并对单位立方体进行标志化处理,具体为:txyz=0为长方体障碍物分布区域,txyz=1为标签的分布区域,txyz=2为RFID读写器天线部署区域:
(2.2)设初始化参数:萤火虫种群规模M、最大迭代次数MaxG、萤火虫最大吸引力β0、光吸收系数γ和常数α;
(2.3)混沌初始化萤火虫种群位置,并检验萤火虫中各读写器天线合理性,具体如下:
对读写器天线的位置信息以及天线的角度信息进行编码,表达式如下:
其中:表示第j个读写器天线部署的位置信息,j∈(1,Nr),/>表示第j个读写器天线的方向信息,即读写器天线平面法向量,第j个读写器天线的位置方向信息用/>表示,i∈[1,M]。初始的Nr=Nmax表示读写器天线的部署数量,M表示种群规模。
首先在(-1,1)区间随机产生初始变量,即初始化混沌变量yi j。然后根据混沌自映射规则,应用逻辑自映射函数生成(M-1)*Nr个混沌变量,与初始混沌变量一起对应全部的M个萤火虫个体。最后将生成的混沌变量序列根据/>变换到RFID环境的目标空间,产生M个萤火虫初始化种群。
式中:j表示Nr维空间的第j维;代表初始化萤火虫xi中第j个读写器天线位置信息和读写器天线的方向信息,/>和/>表示对应变量的上下界,
(2.4)根据式f=w1f1+w2f2+w3f3计算第一代萤火虫的亮度,即适应度值f,并记录最大适应度值和最小适应度值。
式中:表示覆盖率,Nt表示目标空间可能出现标签的单位立方体的总量,Xt代表该单位立方体与读写器天线的通信情况,Xt=1表示该单位立方体至少能被一个读写器天线感知到;Xt=0则表示该单位立方体未被读写器天线感知到。
式中:表示读写器天线间的干扰度。式中p(t,r)采用0-1覆盖模型,表示标签T被读写器天线R读到的概率,当标签T与读写器天线R之间不存在长方体障碍物,并且读写器天线R和标签T满足的读写器天线感知模型的约束条件时,p(t,r)=1,认为读写器天线R感知到标签T为100%,否则p(t,r)=0。
式中:表示读写器天线网络负载函数,ki表示读取i标签的读写器天线的个数。
式中:w1+w2+w3=1,w1、w2、w3分别为标签覆盖率、读写器天线间的干扰度和读写器天线网络负载平衡的权重。其中目标函数值即适应度值f取值最大时,则可保证标签的覆盖率取得最大值,读写器天线彼此干扰度最小,读写器天线的负载最均衡。
(2.5)根据计算位置更新的权重wi(t);
式中:t为当前迭代次数;K为最大迭代次数;wmax,wmin为wi(t)的上限和下限。
(2.6)根据萤火虫亮度和萤火虫之间的吸引规则,计算萤火虫之间的吸引力并按xi(t+1)=wi(t)*xi+β*(xj-xi)+α(rand-0.5)+b1r1(Pibest(t)-xi(t))更新萤火虫位置;根据f=w1f1+w2f2+w3f3计算萤火虫的适应值,更新萤火虫的亮度,记录最大适应度值Pibest(t)和最小适应度值Pimin(t)。
式中:wi(t)表示萤火虫位置更新的权重,wi(t)*xi表示萤火虫个体的前一次迭代位置对当前位置的影响。β为相对吸引度;xi和xj分别是萤火虫i和j所在的空间位置;a是迭代步长,取值为常数,一般取值a∈[0,1]。
式中,b1∈[0,1]为个体记忆系数;r1是[0,1]之间的随机数;Pibest表示第i只萤火虫个体所经历的最佳位置。
(2.7)更新算法迭代次数,令t=t+1,如果t>MaxG,则执行步骤(2.8),否则重复步骤(2.4)~(2.7);
(2.8)将得到的适应度值f与最大的适应值比较,若f>Fmax,则Fmax=f,Nr=Nr-1,循环步骤2.4)~(2.8),否则跳出循环,输出读写器天线最优部署方案最优解及适应度值。
进一步地,步骤(1)中,所述读写器天线为定向天线,其感知模型可判断读写器天线与标签之间是否有长方体障碍物。
进一步地,步骤(2.4)中,当每个标签T只被一个读写器天线R覆盖到时干扰度f2为0,故f2值越小,读写器天线的覆盖重叠范围越大,则读写器天线之间的干扰度越大。
进一步地,步骤(2.4)中,式f3通过均衡每个读写器天线感知的标签T的数量来解决均衡RFID读写器天线网络负载平衡的问题,f3越大,网络负载分配的越均衡。
进一步地,步骤(2.5)中引入可使初始时萤火虫位置移动距离大,跳出局部最优。同时在步骤(2.6)中加入最大适应度值Pibest(t),可牵引萤火虫向最亮的方向移动。
本发明的有益效果:
(1)本发明解决标签存在长方体障碍物之间或物料本身是障碍物的RFID环境的读写器天线部署问题,并达到最优的RFID读写器天线的部署,使读写器天线对标签的识读率达到最高。
(2)本发明通过改进读写器天线感知模型,减少计算量,应用于标签存在于长方体障碍物之间或物料本身是障碍物的RFID环境,计算复杂度低,且有效判断RFID读写器天线与标签之间是否存在长方体障碍物影响其通讯。
(3)本发明通过模拟RFID现场环境,应用改进萤火虫算法。首先在初始化过程中,应用混沌算法,初始化种群,并应用惯性权重的方法,更新萤火虫位置,使识读率由80%达到90%,有效提高效率,进而提高效益。
附图说明
图1为RFID读写器天线感知模型示意图;
图2为本发明方法流程图;
图3为标签存在长方体障碍物之间或物料本身是障碍RFID环境示意图;
图4为现有方法解决的存在障碍物RFID环境示意图。
具体实施方式
本发明是一种简洁有效地解决标签存在长方体障碍物之间或物料本身是障碍物的RFID环境的读写器天线部署问题的方法,下面结合附图对本发明的技术方案作详细说明:
本发明提供一种有长方体障碍物的三维空间读写器天线优化部署方法,该方法步骤如下:
(1)通过改进的读写器天线感知模型判断读写器天线与标签之间是否存在长方体障碍物影响其通讯,所述改进的读写器天线为定向天线,其感知模型可视作锥体,如图1所示。所述改进的读写器天线感知模型具体如下:
设读写器天线R的位置坐标为(xr,yr,zr),读写器的天线平面法向量为(a,b,c),某一标签T的位置坐标为(xt,yt,zt),该标签能被该读写器天线感知的约束条件为:
式中:lr、θr分别读写器天线R的识读距离和识读夹角,barrier用于表示读写器天线R与标签T之间是否存在长方体障碍物影响其通讯。标签与长方体障碍物形成的整体的空间为长A、宽B、高C,标签排列在长方体障碍物之间,标签与长方体障碍物之间间隔距离为h,在本发明实施例中建立如图3所示坐标系,其中A=51、B=51、C=51,h=9,由于标签与长方体障碍物之间的空间小,读写器天线部署不能分布在其内部,读写器天线部署在标签与长方体障碍物形成的整体的空间的左侧、右侧或上侧;
判断读写器天线R与标签T之间是否存在长方体障碍物的方法如下:
a.判断读写器天线所在的空间区域,标签与长方体障碍物形成的整体的空间的左侧、右侧或上侧
b.构造标签T和读写器天线R三维空间连线,若读写器天线位于左或右侧区域,则将标签T和读写器天线R三维空间的连线投影到yoz面;若位于上侧则直接判断;
c.判断条件
i若读写器天线位于右侧,读写器天线投影到yoz面,若满足
则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;若不满足式2,
则barrier=1。
ii若读写器天线位于左侧,读写器天线投影到yoz面,若满足
则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;若不满足式3,
则barrier=1。
iii若读写器天线位于上侧,只需判断读写器天线Z坐标是否大于标签与长方体障碍物整体的高度C;若大于C,则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;否则barrier=1。
θt′为标签T与长方体障碍物边界的最大夹角,θr′为构造标签T和读写器天线R三维空间连线在yoz面投影与xoz方向的方向向量的夹角。
(2)以覆盖率和干扰度为目标函数,模拟RFID现场工作环境,应用改进萤火虫算法完成读写器天线的部署及优化,如图2所示,其具体步骤如下:
(2.1)初始化读写器天线最大总数Nmax、读写器天线的识读距离lr和识读夹角θr以及RFID三维空间信息,对RFID环境空间进行离散化处理,使RFID环境空间变为由有限单位立方体txyz组成,x,y,z为单位立方体的空间坐标,并对单位立方体进行标志化处理,分为标签的分布区域、长方体障碍物分布区域、RFID读写器天线部署区域:所述对单位立方体进行标志化处理即为对单位立方体标号,具体为:txyz=0,代表长方体障碍物的分布区域;txyz=1,代表标签的分布区域;txyz=2代表RFID读写器天线部署区域。
(2.2)设初始化参数:萤火虫种群规模M、最大迭代次数MaxG、萤火虫最大吸引力β0、光吸收系数γ和常数α;
(2.3)混沌初始化萤火虫种群位置,并检验萤火虫中各读写器天线合理性,具体如下
对读写器天线的位置信息以及天线的角度信息进行编码,表达式如下:
其中:表示第j个读写器天线部署的位置信息,j∈(1,Nr),/>表示第j个读写器天线的方向信息,即读写器天线平面法向量,第j个读写器天线的位置方向信息用/>表示,i∈[1,M]。初始的Nr=Nmax表示读写器天线的部署数量,M表示种群规模。
由于传统的萤火虫算法寻优过程中容易出现局部最优,难以提高寻优精度。故采用混沌优化的随机性、遍历性和初值敏感性来提高萤火虫算法的优化效率。首先在(-1,1)区间随机产生初始变量,即初始化混沌变量避免混沌序列出现全为1或0.5的情况,所以初始值/>不能取0和0.5。然后根据混沌自映射规则,应用逻辑自映射函数生成(M-1)*Nr个混沌变量,与初始混沌变量一起对应全部的M个萤火虫个体。最后将生成的混沌变量序列根据变换到RFID环境的目标空间,产生M个萤火虫初始化种群。
式中:j表示Nr维空间的第j维;代表初始化萤火虫xi中第j个读写器天线位置信息和读写器天线的方向信息,/>和/>表示对应变量的上下界,由于离散化的单位立方体数量较多,为了提高算法的效率,将目标空间划分成多个区域,因此不同读写器天线的空间坐标取值的上下限存在差异。
(2.4)根据式f=w1f1+w2f2+w3f3计算第一代萤火虫的亮度,即适应度值f,并记录最大适应度值和最小适应度值。
式中:表示覆盖率,Nt表示目标空间可能出现标签的单位立方体的总量,Xt代表该单位立方体与读写器天线的通信情况,Xt=1表示该单位立方体至少能被一个读写器天线感知到;Xt=0则表示该单位立方体未被读写器天线感知到。
式中:表示读写器天线间的干扰度。式中p(t,r)采用0-1覆盖模型,表示标签T被读写器天线R读到的概率,当标签T与读写器天线R之间不存在长方体障碍物,并且读写器天线R和标签T满足的读写器天线感知模型的约束条件时,p(t,r)=1,认为读写器天线R感知到标签T为100%,否则p(t,r)=0。当每个标签T只被一个读写器天线R覆盖到时干扰度f2为0,故f2值越小,读写器天线的覆盖重叠范围越大,则读写器天线之间的干扰度越大。
式中:表示读写器天线网络负载函数,ki表示读取i标签的读写器天线的个数。式f3通过均衡每个读写器天线感知的标签T的数量来解决均衡RFID读写器天线网络负载平衡的问题,f3越大,网络负载分配的越均衡。
式中:w1+w2+w3=1,w1、w2、w3分别为标签覆盖率、读写器天线间的干扰度和读写器天线网络负载平衡的权重。其中目标函数值即适应度值f取值最大时,则可保证标签的覆盖率取得最大值,读写器天线彼此干扰度最小,读写器天线的负载最均衡。
(2.5)根据计算位置更新的权重wi(t);
式中:t为当前迭代次数;K为最大迭代次数;wmax,wmin为wi(t)的上限和下限,可分别取值为0.9和0.4。
(2.6)根据萤火虫亮度和萤火虫之间的吸引规则,计算萤火虫之间的吸引力并按xi(t+1)=wi(t)*xi+β*(xj-xi)+α(rand-0.5)+b1r1(Pibest(t)-xi(t))更新萤火虫位置;根据f=w1f1+w2f2+w3f3计算萤火虫的适应值,更新萤火虫的亮度,记录最大适应度值Pibest(t)和最小适应度值Pimin(t)。
式中:wi(t)表示萤火虫位置更新的权重,wi(t)*xi表示萤火虫个体的前一次迭代位置对当前位置的影响。β为相对吸引度;xi和xj分别是萤火虫i和j所在的空间位置;a是迭代步长,取值为常数,一般取值a∈[0,1]。
式中b1r1(Pibest(t)-xi(t))表示当前迭代的种群最优个体对种群个体提供的牵引作用,用来控制当前最优个体对其他个体的影响成体,以及当前个体对前代个体的继承情况。结合PSO算法的启发,将PSO算法中对个体自身运动历史最优解的位置Pibest(t)进行记忆保存的思想运用到FA算法中,使算法对个体的“自我认知”行为得以改进,从而增强FA算法的搜索力和收敛速度。式中,b1∈[0,1]为个体记忆系数;r1是[0,1]之间的随机数;Pibest表示第i只萤火虫个体所经历的最佳位置。步骤(2.5)中引入可使初始时萤火虫位置移动距离大,跳出局部最优。同时在步骤(2.6)中加入最大适应度值Pibest(t),可牵引萤火虫向最亮的方向移动。
(2.7)更新算法迭代次数,令t=t+1,如果t>MaxG,则执行步骤(2.8),否则重复步骤(2.4)~(2.7);
(2.8)将得到的适应度值f与最大的适应值比较,若f>Fmax,则Fmax=f,Nr=Nr-1,循环步骤(2.3)~(2.7),否则跳出循环,输出读写器天线最优部署方案最优解及适应度值。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (5)
1.一种有长方体障碍物的三维空间读写器天线优化部署方法,其特征在于,该方法步骤如下:
(1)通过改进的读写器天线感知模型判断读写器天线与标签之间是否存在长方体障碍物影响其通讯,所述改进的读写器天线感知模型具体如下:
设读写器天线R的位置坐标为(xr,yr,zr),读写器天线平面法向量为(a,b,c),某一标签T的位置坐标为(xt,yt,zt),该标签能被该读写器天线感知的约束条件为:
式中:lr、θr分别读写器天线R的识读距离和识读夹角,barrier用于表示读写器天线R与标签T之间是否存在长方体障碍物影响其通讯;标签与长方体障碍物形成的整体的空间为长A、宽B、高C,标签排列在长方体障碍物之间,标签与长方体障碍物之间间隔距离为h,读写器天线部署在标签与长方体障碍物形成的整体的空间的左侧、右侧或上侧;
判断读写器天线R与标签T之间是否存在长方体障碍物的方法如下:
a.判断读写器天线所在的空间区域,标签与长方体障碍物形成的整体的空间的左侧、右侧或上侧
b.构造标签T和读写器天线R三维空间连线,若读写器天线位于左或右侧区域,则将标签T和读写器天线R三维空间的连线投影到yoz面,若位于上侧则直接判断;
c.判断条件
i若读写器天线位于右侧,读写器天线投影到yoz面,若满足
则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;若不满足式2,则barrier=1;
ii若读写器天线位于左侧,读写器天线投影到yoz面,若满足
则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;若不满足式3,
则barrier=1;
iii若读写器天线位于上侧,只需判断读写器天线Z坐标是否大于标签与长方体障碍物整体的高度C;若大于C,则barrier=0,表明标签T与读写器天线R之间不存在长方体障碍物;否则barrier=1;
θt′为标签T与长方体障碍物边界的最大夹角,θr′为构造标签T和读写器天线R三维空间连线在yoz面投影与xoz方向的方向向量的夹角;
(2)以覆盖率、干扰度、负载平衡函数为目标函数,模拟RFID现场工作环境,应用改进萤火虫算法完成读写器天线的部署及优化,其具体步骤如下:
(2.1)初始化读写器天线最大总数Nmax、读写器天线的识读距离lr和识读夹角θr以及RFID三维空间信息,对RFID环境空间进行离散化处理,使RFID环境空间变为由有限单位立方体txyz组成,x,y,z为单位立方体的空间坐标,并对单位立方体进行标志化处理,具体为:txyz=0为长方体障碍物分布区域,txyz=1为标签的分布区域,txyz=2为RFID读写器天线部署区域:
(2.2)设初始化参数:萤火虫种群规模M、最大迭代次数MaxG、萤火虫最大吸引力β0、光吸收系数γ和常数α;
(2.3)混沌初始化萤火虫种群位置,并检验萤火虫中各读写器天线合理性,具体如下:
对读写器天线的位置信息以及天线的角度信息进行编码,表达式如下:
其中:表示第j个读写器天线部署的位置信息,j∈(1,Nr),/>表示第j个读写器天线的方向信息,即读写器天线平面法向量,第j个读写器天线的位置方向信息用表示,i∈[1,M];初始的Nr=Nmax表示读写器天线的部署数量,M表示种群规模;
首先在(-1,1)区间随机产生初始变量,即初始化混沌变量yi j;然后根据混沌自映射规则,应用逻辑自映射函数生成(M-1)*Nr个混沌变量,与初始混沌变量一起对应全部的M个萤火虫个体;最后将生成的混沌变量序列根据/>变换到RFID环境的目标空间,产生M个萤火虫初始化种群;
式中:j表示Nr维空间的第j维;代表初始化萤火虫xi中第j个读写器天线位置信息和读写器天线的方向信息,/>和/>表示对应变量的上下界,
(2.4)根据式f=w1f1+w2f2+w3f3计算第一代萤火虫的亮度,即适应度值f,并记录最大适应度值和最小适应度值;
式中:表示覆盖率,Nt表示目标空间可能出现标签的单位立方体的总量,Xt代表该单位立方体与读写器天线的通信情况,Xt=1表示该单位立方体至少能被一个读写器天线感知到;Xt=0则表示该单位立方体未被读写器天线感知到;
式中:表示读写器天线间的干扰度;式中p(t,r)采用0-1覆盖模型,表示标签T被读写器天线R读到的概率,当标签T与读写器天线R之间不存在长方体障碍物,并且读写器天线R和标签T满足的读写器天线感知模型的约束条件时,p(t,r)=1,认为读写器天线R感知到标签T为100%,否则p(t,r)=0;
式中:表示读写器天线网络负载函数,ki表示读取i标签的读写器天线的个数;
式中:w1+w2+w3=1,w1、w2、w3分别为标签覆盖率、读写器天线间的干扰度和读写器天线网络负载平衡的权重;其中目标函数值即适应度值f取值最大时,则可保证标签的覆盖率取得最大值,读写器天线彼此干扰度最小,读写器天线的负载最均衡;
(2.5)根据计算位置更新的权重wi(t);
式中:t为当前迭代次数;K为最大迭代次数;wmax,wmin为wi(t)的上限和下限;
(2.6)根据萤火虫亮度和萤火虫之间的吸引规则,计算萤火虫之间的吸引力并按xi(t+1)=wi(t)*xi+β*(xj-xi)+α(rand-0.5)+b1r1(Pibest(t)-xi(t))更新萤火虫位置;根据f=w1f1+w2f2+w3f3计算萤火虫的适应值,更新萤火虫的亮度,记录最大适应度值Pibest(t)和最小适应度值Pimin(t);
式中:wi(t)表示萤火虫位置更新的权重,wi(t)*xi表示萤火虫个体的前一次迭代位置对当前位置的影响;β为相对吸引度;xi和xj分别是萤火虫i和j所在的空间位置;a是迭代步长,取值为常数,一般取值a∈[0,1];
式中,b1∈[0,1]为个体记忆系数;r1是[0,1]之间的随机数;Pibest表示第i只萤火虫个体所经历的最佳位置;
(2.7)更新算法迭代次数,令t=t+1,如果t>MaxG,则执行步骤(2.8),否则重复步骤(2.4)~(2.7);
(2.8)将得到的适应度值f与最大的适应值Fmax比较,若f>Fmax,则Fmax=f,Nr=Nr-1,循环步骤2.4)~(2.8),否则跳出循环,输出读写器天线最优部署方案最优解及适应度值。
2.根据权利要求1所述的一种有长方体障碍物的三维空间读写器天线优化部署方法,其特征在于,步骤(1)中,所述读写器天线为定向天线,其感知模型可判断读写器天线与标签之间是否有长方体障碍物。
3.根据权利要求1所述的一种有长方体障碍物的三维空间读写器天线优化部署方法,其特征在于,步骤(2.4)中,当每个标签T只被一个读写器天线R覆盖到时干扰度f2为0,故f2值越小,读写器天线的覆盖重叠范围越大,则读写器天线之间的干扰度越大。
4.根据权利要求1所述的一种有长方体障碍物的三维空间读写器天线优化部署方法,其特征在于,步骤(2.4)中,式f3通过均衡每个读写器天线感知的标签T的数量来解决均衡RFID读写器天线网络负载平衡的问题,f3越大,网络负载分配的越均衡。
5.根据权利要求1所述的一种有长方体障碍物的三维空间读写器天线优化部署方法,其特征在于,步骤(2.5)中引入可使初始时萤火虫位置移动距离大,跳出局部最优;同时在步骤(2.6)中加入最大适应度值Pibest(t),可牵引萤火虫向最亮的方向移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646502.7A CN112052694B (zh) | 2020-07-07 | 2020-07-07 | 一种有长方体障碍物的三维空间读写器天线优化部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646502.7A CN112052694B (zh) | 2020-07-07 | 2020-07-07 | 一种有长方体障碍物的三维空间读写器天线优化部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052694A CN112052694A (zh) | 2020-12-08 |
CN112052694B true CN112052694B (zh) | 2024-02-23 |
Family
ID=73601888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010646502.7A Active CN112052694B (zh) | 2020-07-07 | 2020-07-07 | 一种有长方体障碍物的三维空间读写器天线优化部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052694B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113703438A (zh) * | 2021-07-14 | 2021-11-26 | 深圳市水务工程检测有限公司 | 用于输水隧洞巡检的auv自主导航路径规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902794A (zh) * | 2019-01-31 | 2019-06-18 | 南京航空航天大学 | 一种面向离散制造车间的三维射频识别网络布局优化方法 |
CN209085657U (zh) * | 2017-08-02 | 2019-07-09 | 强力物联网投资组合2016有限公司 | 用于与化工生产工艺有关的或工业环境的数据收集系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140304107A1 (en) * | 2012-12-03 | 2014-10-09 | CLARKE William McALLISTER | Webrooming with rfid-scanning robots |
CN109447359B (zh) * | 2018-11-06 | 2021-04-16 | 成都信息工程大学 | 一种数据采集点部署方法及系统 |
-
2020
- 2020-07-07 CN CN202010646502.7A patent/CN112052694B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209085657U (zh) * | 2017-08-02 | 2019-07-09 | 强力物联网投资组合2016有限公司 | 用于与化工生产工艺有关的或工业环境的数据收集系统 |
CN109902794A (zh) * | 2019-01-31 | 2019-06-18 | 南京航空航天大学 | 一种面向离散制造车间的三维射频识别网络布局优化方法 |
Non-Patent Citations (3)
Title |
---|
基于DOE的PCB集成化RFID标签读取参数优化研究;熊戈;洪涛;方文娟;;自动化与仪表(第02期);全文 * |
基于改进萤火虫算法的三维RFID网络优化;张蓉;郭宇;黄少华;葛妍娇;王益聪;计算机工程与设计(第010期);全文 * |
水下传感器网络协作多输入输出通信技术研究;王建平;孔德川;陈伟;;中国海洋大学学报(自然科学版)(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112052694A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | Adversarial objects against lidar-based autonomous driving systems | |
Gao et al. | Vectornet: Encoding hd maps and agent dynamics from vectorized representation | |
CN110175513B (zh) | 一种基于多目标路优化的路牌识别攻击防御方法 | |
US12045061B2 (en) | Multi-AGV motion planning method, device and system | |
Munoz et al. | Directional associative markov network for 3-d point cloud classification | |
Gao et al. | A hybrid particle-swarm tabu search algorithm for solving job shop scheduling problems | |
CN111950581A (zh) | 针对多个扰动类型稳健的分类 | |
CN109543285B (zh) | 一种融合数据驱动与强化学习的人群疏散仿真方法和系统 | |
Xu et al. | Secure and reliable transfer learning framework for 6G-enabled Internet of Vehicles | |
CN113841157B (zh) | 通过使用局部线性度正则化训练更安全的神经网络 | |
CN112052694B (zh) | 一种有长方体障碍物的三维空间读写器天线优化部署方法 | |
CN108984741A (zh) | 一种地图生成方法及装置、机器人和计算机可读存储介质 | |
CN105701314A (zh) | 一种基于自适应智能体模型的复杂人群疏散行为仿真方法 | |
CN114185339A (zh) | 一种动态环境下的移动机器人路径规划方法 | |
CN108171268A (zh) | 一种图像处理方法及电子设备 | |
Zhou et al. | A chaotic parallel artificial fish swarm algorithm for water quality monitoring sensor networks 3D coverage optimization | |
Liu et al. | Illustration design model with clustering optimization genetic algorithm | |
Zheng et al. | Robustness of trajectory prediction models under map-based attacks | |
Jin et al. | Graph neural network based relation learning for abnormal perception information detection in self-driving scenarios | |
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 | |
Xiang et al. | Golden sine cosine salp swarm algorithm for shape matching using atomic potential function | |
Kong et al. | Modeling and optimization of RFID networks planning problem | |
CN111241648B (zh) | 一种基于鬣狗捕获模型的rfid网络动态优化部署方法 | |
CN116360437A (zh) | 智能机器人路径规划方法、装置、设备及存储介质 | |
CN113627646B (zh) | 一种基于神经网络的路径规划方法、装置、设备及介质 |
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 |