基于粒子群算法的最优化RFID网络系统技术方案

本发明专利技术公开了一种基于粒子群优化算法的无线射频识别(RFID)网络系统，旨在为物流和供应管理、生产制造和装配、文档追踪/图书馆管理等应用中的监控和定位需求提供智能化的解决方案。有助于减少过去人为设计网络可能存在网络盲点的问题，提高RFID网络的覆盖和识别效率，以及节约成本。在标准粒子群优化算法的基础上引入了冗余节点消除机制，可在优化过程中动态调整网络配置的读写器数目，以采用最少的读写器完成网络的最大化覆盖；同时，通过算法编码策略动态地调整活动读写器在监控环境中的位置及其发射功率，以降低读写器信号重叠造成的干扰和节约能源；通过嵌入变异操作，进一步提高系统的全局最优特性，力求构建一个完善的无线射频识别系统。

【技术实现步骤摘要】

【技术保护点】
针对物流和供应管理、生产制造和装配、文档追踪/图书馆管理等应用中的监控和定位需求，设计了一套基于粒子群算法的最优化RFID网络系统，其特征是：应用粒子群优化算法主框架，编码中考虑读写器的位置和发射功率，并嵌入冗余节点消除机制减少使用的读写器，对RFID的网络布置问题进行求解，本专利技术提出的算法包括以下步骤和操作：?(1)粒子编码：每个粒子的位置被描述为一个D＝3Nmax维的实数向量，其中Nmax是可以被布置网络中的所有读写器的总数，在这种描述中，2Nmax维代表Nmax个读写器在二维工作空间中的坐标位置，另外Nmax维表示每个读写器的发射功率，决定着讯问范围；?(2)初始化：在初始化过程中，所有粒子的位置都随机生成，即每一个?是工作空间中的一个随机点、每一个是读写器发射功率范围中的一个随机值；?(3)适应值评估：对粒子的适应值进行评估时考虑四个指标，分别是最大化标签覆盖率COV，最小化读写器数目Nr，最小化信号重叠干扰ITF，以及最小化总的发射功率消耗POW，在进行粒子个体最有位置和全局最优位置更新时，对以上四个目标根据优先级依次进行比较，直到粒子的当前位置在某个目标上胜出；?(4)粒子速度和位置更新：每个粒子都按照如下公式更新其速度和位置?(5)节点临时消除与恢复机制(TRE)：粒子群优化算法执行每maxRG迭代后通过判断当前是否达到100％覆盖率来确定是否激活TRE操作，如果满足100％的覆盖率，那么TRE被激活，它将删掉当前所有活动读写器中覆盖标签数目最少的那个读写器k，如果在下maxRG次迭代中，随着粒子群优化算法对读写器位置和发射功率的优化，网络覆盖率可以重新达到100％，那么对读写器k的删除被认为是永久的；否则，恢复读写器k到网络中；?(6)变异算子：在粒子群优化算法执行的每一代，随机选择一个粒子i上的某一维k，将其进行如下改变：?。FSA00000892911400011.tif,FSA00000892911400012.tif,FSA00000892911400013.tif,FSA00000892911400014.tif,FSA00000892911400021.tif...

【技术特征摘要】

【专利技术属性】
技术研发人员：张军，龚月姣，
申请(专利权)人：中山大学，
类型：发明
国别省市：