[發(fā)明專(zhuān)利]基于負(fù)載平衡與粒子群算法的射頻識(shí)別網(wǎng)絡(luò)布局方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410833298.4
• 申請(qǐng)日: 2014-12-27
• 公開(kāi)（公告）號(hào): CN104517141A
• 公開(kāi)（公告）日: 2015-04-15
• 發(fā)明（設(shè)計(jì)）人: 劉靜;焦李成;李禹龍;馬文萍;馬晶晶;劉紅英;熊濤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06K17/00
• 分類(lèi)號(hào): G06K17/00
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心 61205
• 代理人: 王品華;王喜媛

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及一種射頻識(shí)別網(wǎng)絡(luò)布局優(yōu)化方法，可用于網(wǎng)絡(luò)規(guī)劃。

背景技術(shù)

近些年來(lái)，射頻識(shí)別RFID技術(shù)作為物聯(lián)網(wǎng)技術(shù)的一個(gè)代表，越來(lái)越多的受到研究者的關(guān)注。在RFID系統(tǒng)中也涉及許多方面的技術(shù)問(wèn)題，如隨著RFID技術(shù)的發(fā)展和廣泛應(yīng)用，RFID網(wǎng)絡(luò)的布局優(yōu)化問(wèn)題就成為一項(xiàng)急劇挑戰(zhàn)性的工作。對(duì)于RFID網(wǎng)絡(luò)布局優(yōu)化問(wèn)題，這里涉及到許多約束條件和目標(biāo)，并已被證明是NP-hard問(wèn)題。RFID網(wǎng)絡(luò)布局優(yōu)化問(wèn)題的目的就是滿足在一定的約束條件，如標(biāo)簽覆蓋率，閱讀器的數(shù)量，干擾，負(fù)載平衡，找到閱讀器的最佳位置。

目前文獻(xiàn)中提出了大量的解決方法，大致可分為三類(lèi)：最優(yōu)化算法、啟發(fā)式算法、元啟發(fā)式算法。其中，元啟發(fā)式算法主要包括遺傳算法、模擬退火算法、禁忌搜索算法、粒子群優(yōu)化算法等。RFID網(wǎng)絡(luò)布局問(wèn)題屬于組合優(yōu)化問(wèn)題，元啟發(fā)式算法是目前被普遍認(rèn)為在性能、可擴(kuò)展性和易于實(shí)現(xiàn)性等方面權(quán)衡后的最佳方法。其中，遺傳算法是最常用的一種元啟發(fā)式算法。更廣義的地說(shuō)，遺傳算法屬于一種進(jìn)化算法，由于進(jìn)化算法與傳統(tǒng)優(yōu)化方法相比，具有簡(jiǎn)單、通用、魯棒性強(qiáng)和便于并行化處理等優(yōu)點(diǎn)，已被廣泛應(yīng)用于數(shù)值優(yōu)化、組合優(yōu)化、分類(lèi)器設(shè)計(jì)等領(lǐng)域。但實(shí)踐也表明，僅僅使用以遺傳算法為代表的進(jìn)化算法來(lái)模仿生物處理事物的智能還是遠(yuǎn)遠(yuǎn)不夠的，還必須更加深層地挖掘與利用生物的智能資源。在遺傳算法中，用于產(chǎn)生子代的個(gè)體是根據(jù)適應(yīng)度從整個(gè)種群中選擇出來(lái)的，因此必須預(yù)先確定整個(gè)種群的適應(yīng)度分布。但在自然界中并不存在全局選擇，也無(wú)法計(jì)算全局的適應(yīng)度分布。事實(shí)上，自然選擇本身是一種局部現(xiàn)象，它只與個(gè)體所在的局部環(huán)境有關(guān)。也就是說(shuō)，某一階段，自然進(jìn)化是一個(gè)局部過(guò)程，它通過(guò)漸漸擴(kuò)散，才使得信息為全局共享。因此，用遺傳算法求解RFID網(wǎng)絡(luò)布局問(wèn)題不能很好的模仿生物處理事物的智能，另外遺傳算法還有易早熟收斂、收斂速度慢、穩(wěn)定性差等缺點(diǎn)，從而無(wú)法得到好的網(wǎng)絡(luò)布局方案。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種基于負(fù)載平衡與粒子群算法的射頻識(shí)別網(wǎng)絡(luò)布局方法，以克服上述遺傳算法的不足，實(shí)現(xiàn)對(duì)RFID網(wǎng)絡(luò)的更好布局。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

(1)根據(jù)射頻識(shí)別網(wǎng)絡(luò)設(shè)置模型參數(shù)：電磁波的波長(zhǎng)λ＝0.328m，閱讀器與標(biāo)簽通信的門(mén)檻功率R_q＝-14dBm，閱讀器的天線增益G₁＝6.7dBi；標(biāo)簽的天線增益G₂＝3.7dBi；

(2)設(shè)置粒子群優(yōu)化算法參數(shù)：設(shè)粒子群優(yōu)化的最大粒子個(gè)數(shù)M＝20，優(yōu)化最大代數(shù)N＝1000，優(yōu)化的代數(shù)gen，其取值在0～N-1；設(shè)置保存每一代中適應(yīng)度最大個(gè)體信息的結(jié)構(gòu)體數(shù)組為B[m][M]，設(shè)置保存全局適應(yīng)度最大個(gè)體信息的結(jié)構(gòu)體數(shù)組為G[M]；

(3)輸入射頻識(shí)別網(wǎng)絡(luò)中的標(biāo)簽位置坐標(biāo)和個(gè)數(shù)，對(duì)該射頻識(shí)別網(wǎng)絡(luò)中的閱讀器位置坐標(biāo)和發(fā)射功率進(jìn)行編碼初始化：

3a)在50m×50m二維平面內(nèi)，隨機(jī)的產(chǎn)生M個(gè)閱讀器的個(gè)體；

3b)初始化M個(gè)閱讀器的個(gè)體的位置坐標(biāo)及發(fā)射功率：隨機(jī)的產(chǎn)生閱讀器的個(gè)體的位置坐標(biāo)，且位置坐標(biāo)是0～50m內(nèi)的一個(gè)隨機(jī)實(shí)數(shù)，同時(shí)隨機(jī)的產(chǎn)生閱讀器的個(gè)體的發(fā)射功率，且發(fā)射功率是在20～33dBm內(nèi)的一個(gè)隨機(jī)實(shí)數(shù)；

3c)設(shè)進(jìn)化的代數(shù)gen＝0；

(4)判斷是否滿足進(jìn)化的代數(shù)gen<N，若是，執(zhí)行步驟(5)，否則，跳轉(zhuǎn)到步驟(9)；

(5)計(jì)算每個(gè)個(gè)體的適應(yīng)度值，該適應(yīng)度值包括：標(biāo)簽的覆蓋率COV，負(fù)載平衡約束的信息熵F，閱讀器的干擾ITF，閱讀器數(shù)量N_r；

(6)按照目標(biāo)函數(shù)的重要程度依次排序；

(7)對(duì)重要程度最強(qiáng)的個(gè)體按照適應(yīng)度值從大到小進(jìn)行排序，將適應(yīng)度值最大的個(gè)體信息存放在結(jié)構(gòu)體數(shù)組B[m][M]中；

(8)更新第gen代個(gè)體的位置坐標(biāo)；

(9)計(jì)算出全局的最優(yōu)個(gè)體，將其信息存于結(jié)構(gòu)體數(shù)組G[M]中，并進(jìn)行試探性的刪除計(jì)算；

(10)判斷是否滿足終止條件：如果是，則輸出結(jié)構(gòu)體數(shù)組G[M]中閱讀器的最優(yōu)位置，否則，將gen自加1，返回步驟(4)。

本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：

1.本發(fā)明由于將RFID網(wǎng)絡(luò)布局系統(tǒng)與進(jìn)化算法相結(jié)合，設(shè)計(jì)了一種基于負(fù)載平衡約束的射頻識(shí)別網(wǎng)絡(luò)布局優(yōu)化方法，與傳統(tǒng)遺傳算法中種群的模型相比，粒子群的網(wǎng)絡(luò)模型更接近于真正的自然進(jìn)化機(jī)制，能夠得到更好的布局方案。