[发明专利]一种RFID传感器网络的部署方法

说明书

技术领域

本发明涉及射频设别应用领域，尤其涉及一种RFID传感器网络的部署方法。

背景技术

射频识别(Radio Frequency Identification，RFID)是一种近场无线通信技术。可通过射频标签与识别系统(阅读器)间的电磁场交互，实现对特定目标信息的读取与写入。将RFID与无线路由器或无线接收器(Access Point，AP)结合形成感应节点，从而构建传感器网络系统，是其发展的主要方向之一。可用于物联网、智能家居、物流追踪等领域，具有重要的社会经济价值。

RFID传感器网络常使用无中心的多跳架构，基于节点间信号转发实现数据通信，可有效提升网络的鲁棒性与抗损性，适合于物联网等拓扑结构多变的场合。在其设计时，主要目标为最小化各节点间通路的整体(加权)距离，从而使信道衰减减小，噪声干扰降低，传输性能有效提升。目前用于RFID传感器网络的设计算法大致分为两类：

一、基于最小生成树(Minimum Spanning Tree，MST)的网络构造方法：使用传统MST设计算法构造传感器网络，常用方法包括Prim算法、Kruskal算法、反转删除算法(Reverse-Delete Algorithm)及信息聚类算法等。但此类方法计算复杂度普遍较高。为此也出现了基于最近邻树(Nearest-Neighbors Tree，NNT)的近似构造算法，可在较短运算时间内，获得接近MST的设计结果。

二、基于计算智能的启发式网络构造方法：现有MST或NNT构造算法基本属于贪婪方法，而RFID传感器网络设计为复杂的非凸优化问题。此类方法容易陷入局部最优，导致网络整体性能不佳。为此近年来出现了基于计算智能的启发式设计算法，通过使用遗传算法(Genetic Algorithms，GA)、粒子群优化(Particle Swarm Optimization，PSO)等全局优化网络架构，可有效避免这一问题，从而获得理论最佳结果。

基于计算智能的启发式设计方法运算复杂，目前仍较少用于RFID传感器网络的构造中。但其可有效避免早熟收敛，从而获得理论最佳的设计结果。随着计算机性能的日渐提升，此类方法将成为未来发展的主要方向。

但是，现有的RFID自组织传感器网络构造方法，主要存在以下两个缺点：

第一，现有基于MST、NNT的网络构造方法，基本属于贪婪算法。而自组织网络设计为复杂的非凸优化问题，此类方法往往会陷入局部最优，而难以获得全局(理论)最佳的结果。导致所形成的RFID网络整体性能不佳。

第二，现有基于计算智能的启发式构造算法，其个体编码方法并不适合于RFID传感器网络。导致在每次计算适应度函数值时，都需要判断并消除所包含的所有环形拓扑结构。这一过程计算复杂度较高，直接推高了此类方法的运算时间。

发明内容

本发明要解决的技术问题在于，针对上述RFID网络整体性能不佳、计算复杂度高的问题，提供一种RFID传感器网络的部署方法。

本发明解决其技术问题所采用的技术方案是：构造一种RFID传感器网络的部署方法，包括以下步骤：

S1、获取RFID传感器网络中的RFID感应节点总数N，并设置总迭代次数为A；

S2、令k＝0以初始化迭代计数器，并部署包括|ps|个个体的进化种群，任一所述个体均为N维矢量X_i，其值为：

X_i＝{x_j|j∈N}

其中，x_j取值为[0，N]范围内的随机值，i为正整数且i≤|ps|；

S3、计算所述进化种群中的每个个体的适应度函数值；

S4、对所述k的值加1以更新所述迭代计数器，若k＜A，则转至步骤S3，若否，则转至步骤S5；

S5、选择所述适应度函数值最小的个体以作为最优个体，依据所述最优个体部署所述RFID传感器网络。

在本发明所述的部署方法中，在所述步骤S1中，设置所述RFID感应节点中的第b个节点的唯一ID号为b，其中，b≤N。

在本发明所述的部署方法中，在所述步骤S2中，所述随机值在[0，N]范围内服从均匀分布。

在本发明所述的部署方法中，所述步骤S3包括以下子步骤：

S31、设置所述个体X_i在第j维上的数值为第b个节点的等级值rank(b)，即rank(b)＝x_j；