基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法
【專利摘要】本發(fā)明公開了一種基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法，主要解決現(xiàn)有技術(shù)用遺傳算法布局網(wǎng)絡(luò)易出現(xiàn)早熟、收斂速度慢、穩(wěn)定性差的問題。其技術(shù)方案是：1.對粒子群個體進(jìn)行初始化編碼；2.計算粒子群中每個個體的適應(yīng)度值；3.比較每個個體的適應(yīng)度值，計算出全局最優(yōu)個體；4.根據(jù)全局最優(yōu)個體的信息，利用粒子群優(yōu)化方法更新粒子群中每個個體的位置信息；5.判斷是否滿足終止條件，若是，則進(jìn)行試探性刪除計算，輸出最優(yōu)個體，否則返回步驟2。本發(fā)明具有初始種群規(guī)模小，收斂速度快，穩(wěn)定性高的優(yōu)點(diǎn)，可以有效的解決射頻識別網(wǎng)絡(luò)布局問題。
【專利說明】基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法

【技術(shù)領(lǐng)域】
[0001] 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)】
[0002] 近些年來，射頻識別RFID技術(shù)作為物聯(lián)網(wǎng)技術(shù)的一個代表，越來越多的受到研宄 者的關(guān)注。在RFID系統(tǒng)中也涉及許多方面的技術(shù)問題，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)化問題就成為一項(xiàng)急劇挑戰(zhàn)性的工作。對于RFID網(wǎng)絡(luò)布局優(yōu)化問 題，這里涉及到許多約束條件和目標(biāo)，并已被證明是NP-hard問題。RFID網(wǎng)絡(luò)布局優(yōu)化問題 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。
[0003] 目前文獻(xiàn)中提出了大量的解決方法，大致可分為三類：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)布局問題屬于組合優(yōu)化問題，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，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、分類器設(shè)計等領(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)生子代的個體是根據(jù)適應(yīng)度從整個種群中選擇出來的，因此必須預(yù)先確定 整個種群的適應(yīng)度分布。但在自然界中并不存在全局選擇，也無法計算全局的適應(yīng)度分布。 事實(shí)上，自然選擇本身是一種局部現(xiàn)象，它只與個體所在的局部環(huán)境有關(guān)。也就是說，某一 階段，自然進(jìn)化是一個局部過程，它通過漸漸擴(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)，從而無法得到好的網(wǎng)絡(luò)布局方案。


【發(fā)明內(nèi)容】

[0004] 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RFID網(wǎng)絡(luò)的更好布局。
[0005] 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：
[0006] (1)根據(jù)射頻識別網(wǎng)絡(luò)設(shè)置模型參數(shù)：電磁波的波長λ = 〇. 328m，閱讀器與標(biāo) 簽通信的門檻功率Rq= -14dBm，閱讀器的天線增益G1= 6. 7dBi ;標(biāo)簽的天線增益62 = 3. 7dBi ；
[0007] (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-I ;設(shè)置保存每一代中適應(yīng)度最大個體信息 的結(jié)構(gòu)體數(shù)組為B[m] [M]，設(shè)置保存全局適應(yīng)度最大個體信息的結(jié)構(gòu)體數(shù)組為G[M];
[0008] (3)輸入射頻識別網(wǎng)絡(luò)中的標(biāo)簽位置坐標(biāo)和個數(shù)，對該射頻識別網(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：
[0009] 3a)在50mX 50m二維平面內(nèi)，隨機(jī)的產(chǎn)生M個閱讀器的個體；
[0010] 3b)初始化M個閱讀器的個體的位置坐標(biāo)及發(fā)射功率：隨機(jī)的產(chǎn)生閱讀器的個體 的位置坐標(biāo)，且位置坐標(biāo)是0?50m內(nèi)的一個隨機(jī)實(shí)數(shù)，同時隨機(jī)的產(chǎn)生閱讀器的個體的發(fā) 射功率，且發(fā)射功率是在20?33dBm內(nèi)的一個隨機(jī)實(shí)數(shù)；
[0011] 3c)設(shè)進(jìn)化的代數(shù)gen = 0 ;
[0012] (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);
[0013] (5)計算每個個體的適應(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)量凡；
[0014] (6)按照目標(biāo)函數(shù)的重要程度依次排序；
[0015] (7)對重要程度最強(qiáng)的個體按照適應(yīng)度值從大到小進(jìn)行排序，將適應(yīng)度值最大的 個體信息存放在結(jié)構(gòu)體數(shù)組B [m] [M]中；
[0016] (8)更新第gen代個體的位置坐標(biāo)；
[0017] (9)計算出全局的最優(yōu)個體，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 刪除計算；
[0018] (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)。
[0019] 本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：
[0020] 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)計了一種基于負(fù)載平 衡約束的射頻識別網(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。
[0021] 2.本發(fā)明由于采用了依次比較目標(biāo)函數(shù)的策略和試探刪除算子，使粒子群算法種 群規(guī)模小，收斂速度快，穩(wěn)定性高。
[0022] 3.本發(fā)明由于采用了粒子群進(jìn)化方法，該方法不僅使用于求解RFID網(wǎng)絡(luò)布局問 題，同時也可以將該方法擴(kuò)展到求解其它帶有優(yōu)先關(guān)系限制的組合優(yōu)化問題。

【專利附圖】

【附圖說明】
[0023] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0024] 圖2是本發(fā)明的射頻識別網(wǎng)絡(luò)模型圖。

【具體實(shí)施方式】
[0025] 如圖2所示，射頻識別RFID網(wǎng)絡(luò)模型，主要有標(biāo)簽和閱讀器組成，標(biāo)簽與讀寫器之 間通過電磁波實(shí)現(xiàn)通信，閱讀器發(fā)射能量信號，通過閱讀器的天線將信號發(fā)射出去，標(biāo)簽通 過自身天線完成接收功能。
[0026] 參照圖1，本發(fā)明的具體實(shí)施步驟如下：
[0027] 步驟1.設(shè)置參數(shù)網(wǎng)絡(luò)參數(shù)。
[0028] 根據(jù)射頻識別網(wǎng)絡(luò)模型設(shè)置如下參數(shù)：
[0029] 電磁波的波長λ = 〇. 328m，閱讀器與標(biāo)簽通信的門濫功率Rq= -14dBm，閱讀器 的天線增益G1= 6. 7dBi ;標(biāo)簽的天線增益62= 3. 7dBi。
[0030] 步驟2.設(shè)置粒子群進(jìn)化算法參數(shù)。
[0031] 在函數(shù)優(yōu)化領(lǐng)域通常使用粒子群算法進(jìn)行目標(biāo)優(yōu)化，由于粒子群算法中涉及的參 數(shù)很多，本實(shí)例根據(jù)需要設(shè)置如下參數(shù)：
[0032] 設(shè)粒子群的最大粒子個數(shù)M= 20,優(yōu)化最大代數(shù)N= 1000,優(yōu)化的代數(shù)gen為0? N-I ；
[0033] 設(shè)置保存每一代中適應(yīng)度最大個體信息的結(jié)構(gòu)體數(shù)組為B[m] [M]，設(shè)置保存全局 適應(yīng)度最大個體信息的結(jié)構(gòu)體數(shù)組為G[M]。
[0034] 步驟3.輸入射頻識別網(wǎng)絡(luò)中的標(biāo)簽位置坐標(biāo)和個數(shù)，對該射頻識別網(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。
[0035] 3a)在50mX 50m二維平面內(nèi)，隨機(jī)的產(chǎn)生M個閱讀器的個體；
[0036] 3b)初始化M個閱讀器的個體的位置坐標(biāo)及發(fā)射功率：隨機(jī)的產(chǎn)生閱讀器的個體 的位置坐標(biāo)，且位置坐標(biāo)是0?50m內(nèi)的一個隨機(jī)實(shí)數(shù)，同時隨機(jī)的產(chǎn)生閱讀器的個體的發(fā) 射功率，且發(fā)射功率是在20?33dBm內(nèi)的一個隨機(jī)實(shí)數(shù)；
[0037] 3c)設(shè)進(jìn)化的代數(shù)gen = 0。
[0038] 步驟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。
[0039] 步驟5.計算每個個體的適應(yīng)度值。
[0040] 每個個體的適應(yīng)度值包括標(biāo)簽覆蓋率COV、負(fù)載平衡的信息熵F、閱讀器的干擾 ITF、閱讀器數(shù)量隊(duì)，這些參數(shù)的計算如下：
[0041] 5a)將射頻識別網(wǎng)絡(luò)的標(biāo)簽覆蓋率COV定義為：
[0042] COV = Σ t e TSCV (t) /Nt X 100 %
[0043]

【權(quán)利要求】
1. 基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法，包括如下步驟： (1) 根據(jù)射頻識別網(wǎng)絡(luò)設(shè)置模型參數(shù)：電磁波的波長λ = 0.328m，閱讀器與標(biāo)簽通信 的門檻功率Rq= -14dBm，閱讀器的天線增益G 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-I ;設(shè)置保存每一代中適應(yīng)度最大個體信息的結(jié) 構(gòu)體數(shù)組為B[m] [M]，設(shè)置保存全局適應(yīng)度最大個體信息的結(jié)構(gòu)體數(shù)組為G[M]; (3) 輸入射頻識別網(wǎng)絡(luò)中的標(biāo)簽位置坐標(biāo)和個數(shù)，對該射頻識別網(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50mX 50m二維平面內(nèi)，隨機(jī)的產(chǎn)生M個閱讀器的個體； 3b)初始化M個閱讀器的個體的位置坐標(biāo)及發(fā)射功率：隨機(jī)的產(chǎn)生閱讀器的個體的位 置坐標(biāo)，且位置坐標(biāo)是0?50m內(nèi)的一個隨機(jī)實(shí)數(shù)，同時隨機(jī)的產(chǎn)生閱讀器的個體的發(fā)射功 率，且發(fā)射功率是在20?33dBm內(nèi)的一個隨機(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) 計算每個個體的適應(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)量隊(duì)； (6) 按照目標(biāo)函數(shù)的重要程度依次排序； (7) 對重要程度最強(qiáng)的個體按照適應(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代個體的位置坐標(biāo)； (9) 計算出全局的最優(yōu)個體，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)。
2. 如權(quán)利要求1所述的基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法，其特征 在于：步驟（5)所述的計算每個個體的適應(yīng)度值，以按以下步驟進(jìn)行： 5a)將射頻識別網(wǎng)絡(luò)的標(biāo)簽覆蓋率COV定義為： COV = Σ te TSCV(t) /Nt X 100%
其中，Cv(t)表示每個標(biāo)簽的覆蓋率，Nt是分布在工作區(qū)域中的標(biāo)簽的個數(shù)是標(biāo)簽 t收到的來自閱讀器巧的功率，R ,是讀寫器與標(biāo)簽之間通信的最小功率，是標(biāo)簽t收到 的來自閱讀器1"2的功率，RS是閱讀器的集合，r JP r 2是閱讀器集合中的兩個不同的元素， TS代表標(biāo)簽的集合； 5b)計算負(fù)載平衡的信息熵F :
其中Iii是第i個閱讀器負(fù)載的標(biāo)簽個數(shù)，RS是閱讀器的集合，TS代表標(biāo)簽的集合； 5c)計算閱讀器的干擾ITF : ITF = Σ te XS γ (t), 其中γ⑴表示每個標(biāo)簽的干擾，γ (t) =Σ Pr，t-max{Pr，t}，r e RS Π Pr，t> Rq，Rq是 讀寫器與標(biāo)簽之間通信的最小功率，Pu是標(biāo)簽t收到的來自閱讀器r的功率，RS是閱讀器 的集合，r是閱讀器集合中的一個元素，t是標(biāo)簽集合中的一個元素； 5d)將射頻識別網(wǎng)絡(luò)布局問題中閱讀器數(shù)量凡表示為：N ^ N^rNral，其中Nmax表示分 布在工作區(qū)域中閱讀器的總數(shù)，Nral表示發(fā)現(xiàn)多余的閱讀器的個數(shù)。
3. 如權(quán)利要求1所述的基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法，其特征 在于：所述步驟￠)中按照目標(biāo)函數(shù)的重要程度依次排序，按如下步驟進(jìn)行： 6a)將步驟5中計算出的當(dāng)前個體的適應(yīng)度值與之前適應(yīng)度值最大的個體進(jìn)行比較判 斷： 如果當(dāng)前個體適應(yīng)度值中的標(biāo)簽覆蓋率比個體之前的最大標(biāo)簽覆蓋率小，則結(jié)束當(dāng)前 目標(biāo)函數(shù)的重要程度排序； 如果當(dāng)前個體適應(yīng)度值中的標(biāo)簽覆蓋率比個體之前的最大標(biāo)簽覆蓋率大，則更新當(dāng)前 的適應(yīng)度值最大的個體； 如果兩個值一樣，則將當(dāng)前的負(fù)載平衡信息熵比與個體之前最大的負(fù)載平衡信息熵進(jìn) 行比較；若當(dāng)前的負(fù)載平衡信息熵比個體之前最大的負(fù)載平衡信息熵小，則結(jié)束當(dāng)前目標(biāo) 函數(shù)的重要程度排序；若當(dāng)前的負(fù)載平衡信息熵比個體之前最大的負(fù)載平衡信息熵大，則 更新當(dāng)前的適應(yīng)度值最大的個體；若當(dāng)前的負(fù)載平衡信息熵比個體之前最大的負(fù)載平衡信 息熵相等，則將當(dāng)前的閱讀器的干擾比與個體之前最小的閱讀器的干擾值進(jìn)行比較； 如果當(dāng)前的閱讀器的干擾比個體之前的閱讀器最小的干擾值大，則結(jié)束當(dāng)前目標(biāo)函數(shù) 的重要程度排序； 如果當(dāng)前的閱讀器的個數(shù)比個體之前的閱讀器最小的干擾值小，則更新當(dāng)前的適應(yīng)度 值最大的個體； 如果當(dāng)前的閱讀器的干擾與個體之前的閱讀器最小的干擾值相等，則將當(dāng)前的閱讀器 的個數(shù)比與個體之前閱讀器最少的個數(shù)值進(jìn)行比較；對于當(dāng)前的閱讀器的個數(shù)不大于個體 之前閱讀器最少個數(shù)的情況，則更新當(dāng)前適應(yīng)度值最大的個體；否則，結(jié)束當(dāng)前目標(biāo)函數(shù)的 重要程度排序； 6b)將適應(yīng)度值最大的個體的順序更新為當(dāng)前目標(biāo)函數(shù)的重要程度排序。
4. 如權(quán)利要求1所述的基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法，其特征 在于：步驟（8)所述的更新第gen代個體的位置坐標(biāo)，按如下步驟進(jìn)行： 8a)將當(dāng)前的個體位置信息更新為局部的最優(yōu)個體pBesti; 8b)對當(dāng)前代中適應(yīng)度值最大的個體按照適應(yīng)度值的大小排序，將適應(yīng)度值最大的個 體更新為全局的最優(yōu)個體gBest ; 8c)計算每個個體的速度矢量Vi: Vi = (ω X V Jc1 X randj X (PBesti-Xi) +c2 X rand2 X (gBest-Xj， 其中，i是每個粒子的索引，i = 1，2，...，M，ω是慣性權(quán)重惰性系數(shù)，取值為0.4? 0· 9, C1, C2是兩個加速系數(shù)，c丨=c 2= 2. 0, rand丨和rand 2是在[0, 1]之間的兩個隨機(jī)數(shù)， \是每個個體的當(dāng)代位置信息； 8d)利用個體速度矢量￥1更新每個個體位置信息t i :X' i = X i+Vi。
5.如權(quán)利要求1所述的基于負(fù)載平衡與粒子群算法的射頻識別網(wǎng)絡(luò)布局方法，其特征 在于：步驟（9)所述試探性的刪除計算，按如下步驟進(jìn)行： 9a)計算全局最優(yōu)個體的標(biāo)簽的覆蓋率；如果覆蓋率大于90%，則執(zhí)行9b);否則，繼續(xù) 保留全局最優(yōu)個體對應(yīng)的閱讀器； 9b)先試探性的減少讀寫器的個數(shù)，再計算全局最優(yōu)個體的標(biāo)簽的覆蓋率，若減少后覆 蓋率依然大于90%，則刪除全局最優(yōu)個體對應(yīng)的閱讀器；否則，繼續(xù)保留全局最優(yōu)個體對 應(yīng)的閱讀器。
【文檔編號】G06K17/00GK104517141SQ201410833298
【公開日】2015年4月15日 申請日期:2014年12月27日 優(yōu)先權(quán)日:2014年12月27日
【發(fā)明者】劉靜, 焦李成, 李禹龍, 馬文萍, 馬晶晶, 劉紅英, 熊濤 申請人:西安電子科技大學(xué)