关键词:
射频识别(RFID)
RFID网络优化
麻雀搜索算法
多目标优化
摘要:
射频识别(Radio Frequency Identification,RFID)作为物联网的一项重要技术,一直受到技术发展的推动,它被广泛应用不同的场合,使人们日常生活更加便捷。在带来便捷的同时产生一些问题,如阅读器的数量的选择、位置的摆放、标签的分布等,这些问题会影响到RFID网络的效率和质量。为了得到一个优秀性能的RFID网络系统,本文通过多种方式改进麻雀搜索算法(Sparrow search algorithm,SSA),将其应用求解RFID网络优化(RFID Network Planning,RNP)问题,并采用多种不同的优化方法,进行RFID网络系统的部署优化,从而提升系统的整体效率。本文开展研究的具体工作如下:1.提出一种针对缺点改进的麻雀搜索算法应用于RFID网络优化。针对算法后期种群多样性差和陷入局部最优的缺点,使用精英反向策略初始化种群,并且防止陷入局部最优解的情况,在加入者位置更新公式中引入Lévy飞行策略。改进算法使用基准函数的测试验证算法性能,再使用线性加权的优化方法用于求解RNP问题,与三种不同算法进行比较,实验结果表明改进算法能够得到比其他算法更好的RNP问题优化效果。2.提出一种蜉蝣和麻雀搜索混合算法应用于RFID网络优化。算法利用蜉蝣算法(Mayfly optimization algorithm,MA)的结构和交叉合并策略,先把种群分为雌雄两个部分。引入Circle混沌映射初始化种群,随后在发现者公式中增加非线性惯性权重,加入者公式中使用Lévy飞行策略。算法采用CEC2017测试套件验证性能,再使用线性加权优化方法用于RNP问题仿真实验,通过与五种不同的算法进行对比分析,实验结果证明该算法能够寻找到综合性能更好的解决方案。3.提出一种多策略的麻雀搜索算法应用于RFID网络优化。算法把种群分为雌雄两个种群,并在每次迭代后使用MA算法中变异和交叉合并策略。使用精英反向策略初始化种群,随后采用海鸥优化算法(Seagull optimization algorithm,SOA)的搜索策略改变原有麻雀发现者的搜索方式。算法使用CEC2017测试套件进行算法性能评估,再使用分层的优化方法用于求解RNP问题,与五种不同算法进行对比分析,结果表明该算法能够找到使用阅读器数量最少,覆盖最高和干扰最少的优化方案。4.提出一种改进多目标麻雀搜索算法应用于RFID网络优化。算法使用Logistic-tent混沌映射初始化种群,改进其拥挤度计算方式,并在发现者和加入者公式中融入白鲸优化算法(Beluga whale optimization,BWO)的探索和开发阶段,最后使用一种灵活的变异策略。在三种不同系列的基准测试函数中,验证改进算法的多样性和收敛性。并使用多目标pareto优化方法求解RNP问题,实验使用模糊决策方法折中选择最优方案。通过与三种不同的算法进行对比分析,实验结果表明,该算法能够得到多样性和收敛性更好的RFID网络优化方案的解集。