Methods the distribution of Copula multi objective estimation of the invention discloses a method for optimizing RFID Application Networking System for networking, multi objective characteristics of RFID application system deployment, considering the K coverage, conflict interference targets and load balance target, economic target, established a virtual force interaction between the reader and the embedded barrier the reader and reader, between the mathematical model of multi-objective optimization calculation; distributions of solving the model of multi-objective Copula estimation algorithm, by separating the parameter estimation of the marginal distribution and the Copula function to achieve the construction of probabilistic model, on this basis, using a variety of sorting methods to achieve Pareto non dominated solution set generation and selection. The model of the invention is more close to the actual situation. At the same time, the modeling process is simple and clear, easy to realize, low complexity, fast and effective.
【技术实现步骤摘要】
一种优化物联网RFID应用系统的Copula多目标分布估计方法
本专利技术涉及RFID应用及系统优化
,特别涉及一种优化物联网RFID应用系统的Copula多目标分布估计方法。
技术介绍
近年来,随着物联网技术的不断发展,大量的RFID(RadioFrequencyIdentification)应用系统需要规划和建设,如何规划和部署一个高效、低成本的RFID应用系统,已成为RFID技术应用中的一个非常重要的任务。部署一个物联网RFID应用系统需要同时考虑应用环境、覆盖、干扰、负载平衡、识读率、设备成本等许多因素和约束条件,建模和优化过程十分复杂,因而成为RFID应用中具有挑战性的问题之一。随着物联网RFID应用系统规模越来越庞大、复杂,仅凭经验来部署一个大型、复杂的RFID应用系统往往需要反复、大量的尝试和修正,耗费大量的人力、物力和财力,而且不易发现部署过程中存在的问题,未必能获得优化的部署方案。科学的规划与优化部署方案能够提高物联网RFID应用系统的性能,有效地降低建设成本和周期。较早涉及RFID系统中阅读器部署优化问题的是QiangGuan等,他们通过网格化部署区域建立了一个RFID系统中阅读器部署问题的离散数学模型,该模型包含覆盖约束、上行信号约束、阅读器数目和干扰等目标函数,通过加权组合这些目标为一个目标并利用遗传算法给出了该模型的求解方法,该模型没有考虑障碍物的情况,求解方法为单目标求解算法。YiZhiZHAO等给出了一个RFID网络分布式设计模型,它偏重于应用模型的设计,并没有考虑优化部署问题。YahuiYang通过把RFID网络规划问 ...
【技术保护点】
一种优化物联网RFID应用系统的Copula多目标分布估计方法,其特征在于,包括:S1、综合考虑物联网RFID应用系统部署空间区域Ω中的多个目标,建立相应的多目标优化数学模型;S2、采用Copula分布估计算法求解该多目标优化问题,如下:空间区域Ω中的RFID应用系统部署方案用m╳n╳l三维数组P=[pi,j,k]表示,其中i=1,…,m;j=1,…,n;k=1,…,l;当(i,j,k)网格置有阅读器时pi,j,k=1,否则pi,j,k=0;以多目标优化领域中的NSGA‑Ⅱ算法作为架构,采用Copula方法构建多目标分布估计算法的概率模型:将多变量概率分布函数分解为它的边缘分布和Copula函数两部分,将边缘分布函数的估计和Copula函数的估计分别进行,进而获得联合分布函数求解。
【技术特征摘要】
1.一种优化物联网RFID应用系统的Copula多目标分布估计方法,其特征在于,包括:S1、综合考虑物联网RFID应用系统部署空间区域Ω中的多个目标,建立相应的多目标优化数学模型;S2、采用Copula分布估计算法求解该多目标优化问题,如下:空间区域Ω中的RFID应用系统部署方案用m╳n╳l三维数组P=[pi,j,k]表示,其中i=1,…,m;j=1,…,n;k=1,…,l;当(i,j,k)网格置有阅读器时pi,j,k=1,否则pi,j,k=0;以多目标优化领域中的NSGA-Ⅱ算法作为架构,采用Copula方法构建多目标分布估计算法的概率模型:将多变量概率分布函数分解为它的边缘分布和Copula函数两部分,将边缘分布函数的估计和Copula函数的估计分别进行,进而获得联合分布函数求解。2.根据权利要求1所述的方法,其特征在于,边缘分布函数的估计采用核估计或小波估计方法。3.根据权利要求1所述的方法,其特征在于,Copula函数的估计与采样依据所选择的Copula函数的不同而不同:对于GaussCopula,其相关系数矩阵的估计采用极大似然估计法;而子代个体的生成通过对相关系数矩阵进行Cholesky分解并生成服从N(0,1)分布的独立随机变量的方法产生;对于ArchimedeanCopula,其生成元参数,通过估计Kendall秩相关系数,并利用它与生成元参数间的关系而获得;子代个体的生成采用拉普拉斯变换方法和生成独立服从(0,1)均匀分布的随机数的方法产生;对于T-Copula,其相关系数矩阵通过估计Kendall秩相关系数而获得,其自由度参数用极大似然法估计;子代个体的生成通过对相关系数矩阵进行Cholesky分解并生成服从N(0,1)分布的独立随机变量、生成一个服从分布的独立随机变量的方法产生,进而导出Pareto非支配解集。4.根据权利要求1所述的方法,其特征在于,模型优化过程中,根据非支配个体在目标空间的相似性程度对由当前非支配个体构成的前沿面进行自适应划分,在划分出的各区域选择最具代表性的个体,实现对排序后的非支配个体进行修剪操作,以达到Pareto非支配解集分布的均匀性。5.根据权利要求4所述的方法,其特征在于,模型优化过程中,通过分别定义Paretoε-支配关系、PreferenceOrder和Favour关系来确定个体的强度Pareto值、PreferenceOrder值和Favour值,并利用相应的排序算法对种群进行非支配排序,实现种群更新。6.根据权利要求4所述的方法,其特征在于,模型优化过程中,使用拥挤距离估算个体的拥挤密度,淘汰位于拥挤区的一些个...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。