1.一種基于單基通信和相控陣的rfid天線優(yōu)化部署方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的方法，其特征在于，步驟5中用oed更新策略的流程是，首先，將xi的域[li，ui]量化為q1個層級其中q1為奇數，任意兩個連續(xù)級別之間的差值是相同的，αi，j表示第i個維度內的第j個等級，解的域被量化后，xi有q1個可能值因此在d維可行解空間中會均勻分散q1d個點，然而由于問題維度d是給定的，可能不存在q1和j1滿足的情況，所以選擇最小的j1滿足然后，構建基本矩陣和非基本矩陣，將基本矩陣和非基本矩陣合并，并令所有的ai,j＝ai，j+1，生成正交矩陣其中ai，j表示正交矩陣中第i行第j列的元素，由于d′通常是大于或等于d的，需要將矩陣的最后d′-d列刪除，得到最終的正交矩陣其中進一步，在構造了矩陣之后，可以從q1d個組合中得到m1個組合樣本。然后根據m1個組合樣本可以生成包含m1個個體的種群最后，對種群進行一次適應度值評估，選擇其中適應度值最好的n個個體來生成新一代的麻雀種群。
3.根據權利要求1所述的方法，其特征在于，步驟5中，所用gan更新策略的流程是，首先，初始化一對gan，通過設置初始參數，定義生成器和判別器網絡，將種群p中候選解分類為真和假兩個大小相等的不同樣本集，并用于訓練gan，然后，對gan進行多次迭代訓練，在每次迭代中，使用三種不同類型的訓練樣本來更新生成器和鑒別器，即真樣本、假樣本和生成器生成的樣本，訓練鑒別器的損失函數表示為其中g表示生成器，d表示鑒別器，r表示真樣本，f表示假樣本，z表示隨機輸入數據，該數據是隨機高斯噪聲，d(r)、d(f)和d(g(z))分別表示真樣本、假樣本和生成器生成的樣本輸入到鑒別器的輸出，在每次gan訓練迭代中，x中的所有樣本隨機被劃分為幾個大小為m的批次，根據梯度下降法使用其自身生成的樣本來更新鑒別器和生成器，更新公式表示為其中zi是從高斯分布中隨機抽樣的向量，進一步，對d維向量x進行采樣，其中每個元素從連續(xù)均勻分布u(0，1)進行獨立采樣，依據概率密度函數生成滿足多元正態(tài)分布的d維向量y，表示為其中，d表示決策空間的維度，∑和μ分別表示真樣本的協方差矩陣和均值向量，表示為其中ri表示真樣本集的第i個成員，n表示種群大小，最后，生成器g(y)的輸出最終解x′＝g(y)(u-l)+l，其中x′表示由gan生成的候選解決方案，u表示解空間的上界，l表示解空間的下界。