基于混合粒子群算法的RFID网络规划方法技术

本发明专利技术公开了一种基于混合粒子群算法的RFID网络规划方法，主要解决现有技术RFID网络规划中部署的阅读器数过多，且相互间干扰大的问题，其方案是：模拟粒子群运动构建无线射频网络RFID系统模型，确定该模型的阅读器数量，并随机获得每个阅读器的初始位置及功率半径作为一个粒子，重复多次获得种群；设置粒子群算法参数，评价种群中粒子的各项性能；以分层的方式记录个体最优粒子与种群最优粒子并更新每个粒子的位置；根据标签覆盖状态，对每个粒子中的阅读器位置进行调整；经过多次迭代后得到最优的个体即为RFID网络规划方案。本发明专利技术能快速获得优化结果，减少网络中阅读器数量并避免其之间干扰，可用于工程化的RFID网络优化。

RFID network planning method based on Hybrid Particle Swarm Optimization

【技术实现步骤摘要】
基于混合粒子群算法的RFID网络规划方法
本专利技术属于网络
，特别涉及以中国RFID网络规划方法，可用于物流、交通、身份识别、防伪、资产管理、食品、信息统计、查阅应用及安全控制。
技术介绍
无线射频识别RFID技术是一种非接触性的自动识别技术。无线射频识别的应用十分广泛，目前，典型的应用领域有物流、交通、身份识别、防伪、资产管理、食品、信息统计、查阅应用以及安全控制。在射频识别系统中，电子标签通过无线电波与阅读器进行数据交换。由于阅读器的检测范围有限并且标签的数量较多，为保证通信质量，设定合适的阅读器数量并部署阅读器是一个非常重要的技术问题。如果阅读器的数量较少，系统不能检测到所有的标签；阅读器数量过多，覆盖范围发生重叠时，其间会产生干扰。上述情况都会影响到阅读器与标签的通信。与此同时，RFID系统的总功率及负载均衡度也是优化过程中应该考虑的性能。越来越多的学者设计出不同的算法优化RFID网络，确定网络中应部署的阅读器数量及位置。在RFID系统的实际应用中，已有的研究成果仍有很大的不足。为了进一步提高通信质量、增强系统稳定性并节省成本，设计合理的RFID网络规划方法仍然是必要且可行的。S.S.Shinde等发表的“Multi-ObjectiveEvolutionaryAlgorithmBasedApproachforSolvingRFIDReaderPlacementProblemUsingWeight-VectorApproachwithOpposition-BasedLearningMethod”(《InternationalJournalofRecentTechnologyandEngineering(IJRTE)》，文章编号:2277-3878(2019))，该文章的核心为利用多目标进化算法对解空间进行搜索，具体操作为：将最大化标签覆盖率、最小化干扰率、最小化花费作为适应度函数，对其添加权重，并采用基于对立的学习方法初始化种群，执行多目标差分进化算法。在每一代中都保存适应度值最高的个体，直到满足终止条件。该算法的不足之处在于：在搜索之前需要预先估计阅读器的数量，合理的阅读器数量对RFID网络规划结果有很大的影响。在实际工程应用中，网络中需设置的阅读数量往往难以确定。对于RFID系统，其性能指标有很明确的优先级，若以加权的方式同时考虑多个目标函数，最关键的目标函数难以达到最优解，RFID系统难以应用到实际工程中。T.Zhang等发表的“Anefficientandfastkinematics-basedalgorithmforRFIDnetworkplanning”(《ComputerNetworks》，文章编号：13-24(2017))，该文章的核心为模拟冰壶运动对解空间进行搜索，具体的做法为将每个阅读器看成一个可以在工作区域滑行的冰壶，标签被用来产生摩擦阻止阅读器运动；设计阅读器移动算子与碰撞算子进行搜索操作，同时结合多余阅读器消除策略降低网络中需部署阅读器的数量。该方法虽然可以在搜索过程中自适应确定阅读器个数，但由于未直接考虑RFID系统的干扰率、总功率及负载均衡度，各个性能的优先级也被忽略，加之多余阅读器消除策略的引入，使得系统的四种优化结果均未达到最优，会造成实际工程的难以实现。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于混合粒子群算法的RFID网络规划方法，以在无冗余阅读器引入的条件下，使得RFID系统的综合性能达到最优。本专利技术的技术方案是：采用K均值算法自适应的确定网络中阅读器的数量，结合RFID系统性能的优先级分层优化覆盖率、干扰率、总功率及负载均衡度，在粒子群算法的优化过程中引入虚拟力，通过网络中标签分布，自适应确定网络中阅读器的数量，并根据RFID系统性能的优先级得到合理的阅读器位置部署结果，其实现步骤包括如下：(1)模拟粒子群运动构建无线射频网络RFID系统模型，并分别定义网络工作区域、标签及阅读器分布；(2)定义网络中阅读器数量的初始值为：n＝3；(3)利用K均值算法对网络中的标签进行分类，得到m个阅读器及每个阅读器的标签分类结果TSj，其中j∈[0,m]；(4)计算每个阅读器的功率半径uj，并按实际工程中要求设置功率半径的阈值范围T＝[εmin,εmax]，其中εmin为可利用阅读器功率半径的最小值，εmax为可利用阅读器功率半径的最大值；(5)判断uj是否满足阈值范围T：若uj在阈值范围T内，则将网络中阅读器的数量确定为m；若uj不在阈值范围T内，则调整网络中阅读器的数量m＝m+1，并返回(3)重新分类；(6)根据网络中的阅读器数量，通过K均值算法随机获得每个阅读器的初始位置及功率半径，并将所有阅读器的位置及功率半径作为一个粒子，重复执行N次获得N个粒子作为一个种群；(7)分别利用四种适应度函数评价种群中的粒子各项性能，依次是覆盖率COV、干扰率INT、总功率POW及负载均衡度LB；(8)根据(7)的评价结果以分层方式记录每个粒子最优值即个体最优粒子，和种群中所有粒子的最优值即全局最优粒子；(9)设置种群的迭代次数为gen，根据(8)得到的个体最优粒子和全局最优粒子，利用粒子群算法更新策略，迭代更新粒子的速度与位置；(10)根据标签的覆盖状态，对每个粒子中的阅读器位置进行调整：若标签被多个阅读器同时覆盖，则重复选择距离靠得最近的两个阅读器中的任意一个进行位置调整，使得阅读器之间相互排斥后坐标位置发生变化，直到标签仅被一个阅读器覆盖；若标签没有被任何阅读器覆盖，将距离标签最近的阅读器向其位置靠拢后坐标发生变化，直到标签被该阅读器覆盖；(11)重复执行(7)-(10)，直到满足最大种群代数次数gen，得到全局最优粒子，该最优粒子为RFID网络规划方案，即阅读器的部署位置及功率。本专利技术与现有方法相比具有如下优点：第一，由于本专利技术在初始阶段依次增加网络中阅读器的数目，并通过K均值算法对网络中标签进行分类和计算功率半径，直到功率半径满足工程要求，使得本专利技术可以自适应确定出网络中阅读器数量；同时由于在本专利技术的实施过程中，阅读器数量依次增加，而非在初始化时部署大量阅读器，此操作大大减少了计算量。第二，由于本专利技术在确定RFID网络中阅读器数量后，采用K均值算法进行初始化，相比于其他的随机搜索方法，缩小了最优解的搜索空间，减少了计算量，提高了搜索到最优解的速度。第三，由于本专利技术在粒子群算法的优化过程中，根据标签的覆盖状态，对每个粒子中的阅读器位置进行调整，有效地提高了最优解的质量并且加快了收敛速度，使得本专利技术可以更简单有效的优化阅读器的位置。第四，由于本专利技术利用一种分层的方式依次评价RFID系统的四个性能，而非以加权的方式对其进行优化，可更加合理的优化RFID系统的性能，使其更加符合实际应用。附图说明图1为本专利技术的实现流程图；图2为本专利技术中的RFID系统模型图；图3本文档来自技高网...

【技术保护点】
1.一种基于混合粒子群算法的RFID网络规划方法，其特征在于，包括如下：/n(1)模拟粒子群运动构建无线射频网络RFID系统模型，并分别定义网络工作区域、标签及阅读器分布；/n(2)定义网络中阅读器数量的初始值为：n＝3；/n(3)利用K均值算法对网络中的标签进行分类，得到m个阅读器及每个阅读器的标签分类结果TS

【技术特征摘要】
1.一种基于混合粒子群算法的RFID网络规划方法，其特征在于，包括如下：
(1)模拟粒子群运动构建无线射频网络RFID系统模型，并分别定义网络工作区域、标签及阅读器分布；
(2)定义网络中阅读器数量的初始值为：n＝3；
(3)利用K均值算法对网络中的标签进行分类，得到m个阅读器及每个阅读器的标签分类结果TSj，其中j∈[0,m]；
(4)计算每个阅读器的功率半径uj，并按实际工程中要求设置功率半径的阈值范围T＝[εmin,εmax]，其中εmin为可利用阅读器功率半径的最小值，εmax为可利用阅读器功率半径的最大值；
(5)判断uj是否满足阈值范围T：
若uj在阈值范围T内，则将网络中阅读器的数量确定为m；
若uj不在阈值范围T内，则调整网络中阅读器的数量m＝m+1，并返回(3)重新分类；
(6)根据网络中的阅读器数量，通过K均值算法随机获得每个阅读器的初始位置及功率半径，并将所有阅读器的位置及功率半径作为一个粒子，重复执行N次获得N个粒子作为一个种群；
(7)分别利用四种适应度函数评价种群中粒子的各项性能，依次是覆盖率COV、干扰率INT、总功率POW及负载均衡度LB；
(8)根据(7)的评价结果以分层方式记录每个粒子最优值即个体最优粒子，和种群中所有粒子的最优值即全局最优粒子；
(9)设置种群的迭代次数为gen，根据(8)得到的个体最优粒子和全局最优粒子，利用粒子群算法更新策略，迭代更新粒子的速度与位置；
(10)根据标签的覆盖状态，对每个粒子中的阅读器位置进行调整：
若标签被多个阅读器同时覆盖，则重复选择距离靠得最近的两个阅读器中的任意一个进行位置调整，使得阅读器之间相互排斥后坐标位置发生变化，直到标签仅被一个阅读器覆盖；
若标签没有被任何阅读器覆盖，将距离标签最近的阅读器向其位置靠拢后坐标发生变化，直到标签被该阅读器覆盖；
(11)重复执行(7)-(10)，直到满足最大种群代数gen，得到全局最优粒子，该最优粒子为RFID网络规划方案，即阅读器的部署位置及功率。


2.如权利要求1所述的方法，其特征在于，所述(1)中模拟粒子群运动构建无线射频网络RFID系统模型，实现如下：
(2a)将要优化的RFID网络工作区域定义为粒子群运动空间，空间边界为50m×50m；
(2b)将待覆盖的标签ti以均匀或成簇的形式随机分布在工作空间中，坐标表示为
(2c)将阅读器rj的坐标表示为


3.如权利要求1所述的方法，其特征在于，所述(3)中利用K均值算法对网络中的标签进行分类，实现如下：
(3a)随机初始化m个阅读器的位置坐标
(3b)以每个阅读器作为簇中心，将标签派分到距离其最近的簇中；
(3c)计算每个簇中标签坐标的均值更新簇中心：






其中，表示第j个阅读器更新后的坐标，(xij,yij)表示第i个分布在阅读器rj覆盖范围内标签的位置坐标，Ntj表示在阅读器rj的覆盖范围内标签的数量；
(3d)将更新后的簇中心坐标与原来的簇中心坐标进行比较：
若更新后的簇中心坐标与原来的簇中心坐标相等，则分类完成；
若更新后的簇中心坐标与原来的簇中心坐标不相等，则返回(3b)。


4.如权利要求1所述的方法，其特征在于，所述(4)中计算每个阅读器的功率半径，通过如下公式计算：
uj＝max(d(tij,rj))tij∈TSj



其中，rj表示粒子的第j个阅读器，uj表示第j个阅读器的功率半径，表示第j个阅读器的位置坐标；tij表示在阅读器rj的覆盖范围内第i个标签，表示该标签的位置坐标；d(tij...

【专利技术属性】
技术研发人员：刘静，曹雅婷，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61