[发明专利]含不确定性的井下射频识别阅读器的高维多目标优化布局

说明书

技术领域

本专利属于物联网领域，特别是涉及煤矿安全的射频识别阅读器的布局问题。针对煤矿井下的特点，在考虑识别精度、识别能力、抗干扰能力等多个性能指标的基础上，进一步结合识别范围和成本等不确定性因素，构建了含不确定性的煤矿井下射频识别阅读器布局模型，进一步给出基于高维多目标不确定进化优化的布局方法，为决策者直接提供多个高性价比的布局方案，实现对煤矿井下复杂环境中射频识别阅读器的优化布局。

背景技术

随着矿山生产的现代化程度不断提高，先进的矿机设备正逐渐推动着矿山生产力的提高，同时矿山生产井下的生命和财产安全越来越受到各级领导的重视，矿山现代化和矿山安全化成为当今矿山的主要目标。

无线射频识别(Radio FrequencyIdentify，RFID)技术是一种通过检测目标物体对射频电磁场的扰动从而获得其相关特征信息的一种非接触式自动识别技术，识别过程无须人工干预，可识别快速移动的物体和同时识别多个标签，而且操作方便。RFID技术的出现使矿井井下人员或设备的透明化管理变为现实，通过在矿井巷道内的关键点布置RFID阅读器来采集附着于人员或设备上的无线标识卡(Tags)信息，后台处理系统将这些标签信息处理后，将被监控人员或设备相关信息实时显示在地面大屏幕上，从而实现矿井井下人员或设备的透明化、数字化、信息化管理，提高矿井安全管理水平，加快抢险救灾的速度和准确性。但随着巷道开采规模的扩大，RFID阅读器网络规模也变大，随之产生了RFID阅读器网络规划问题。从工程实际应用出发，RFID阅读器的部署方案直接影响整个RFID系统实施的后续工作，不恰当的RFID阅读器布局方案将会使系统实施的后续工作部分或全部失效，故需要对RFID阅读器位置进行科学合理的布局。

关于RFID阅读器的布局问题，近些年来已取得了许多丰硕的成果。针对煤矿井下射频识别阅读器的布局优化办法，目前相关的文献中提出的RFID网络布局问题解决方法主要是元启发式算法。RFID网络布局属于组合优化问题，元启发式算法是目前被普遍认为在性能、可扩展性和易于实现性等方法面权衡后的最佳方法。但是，该类方法往往只针对一类性能指标，如精度，很少涉及布局建模的其他目标属性，如覆盖率、抗干扰性等。近些年来，随着智能优化算法的出现，已有不少研究考虑RFID的多目标布局优化，在已有研究成果中，RFID阅读器布局主要有以下三个目标：(1)最大化地提高阅读器所能覆盖的范围，使被覆盖到的 标签容量尽可能大；(2)最小化地降低阅读器的布局成本，以此减少RFID阅读器的个数；(3)最小化地减少阅读器之间的交叉覆盖率，从而降低它们之间的干扰水平。并将智能优化算法如遗传算法、多目标进化优化算法用于求解上述问题。但是，上述研究成果考虑的性能指标仍然较少，且没有考虑目标中的不确定性，如经济性和抗干扰性等往往不是一个确定数，而是在一定范围内变化的。

鉴于上述研究成果存在的不足，本发明专利进一步考虑阅读器与标签之间的距离以及阅读器读写的精度等因素，从而将该问题拓展为一个高维多目标优化问题。此外，考虑阅读器布局的价格和干扰水平为区间不确定数，更加真实地反映井下RFID阅读器布局的情形，并进一步运用当今处理多目标问题十分成功的基于分解的多目标进化优化算法(MOEA/D)对不确定性模型进行求解，MOEA/D算法是将进化算法与传统的数学规划相融合形成的一种非常新颖的解决多目标优化问题的进化算法。MOEA/D算法将一个多目标优化问题分解成N个单目标优化问题，在种群进化过程中同时优化这N个单目标子优化问题。每一个单目标优化问题的目标函数表示为与各个目标函数值相关的聚合函数，每一个子问题的解构成了整个进化种群，而每一个子问题是根据一个权向量由多目标优化问题转化而来。权向量之间的距离决定了单目标子优化问题之间的相邻关系。每一个单目标子优化问题的邻域都是由与其权向量距离最近的T个权向量对应子优化问题构成。在其最近邻域里的子优化问题所获得的最优解在投影到决策空间后应该很相近。因此，通过与其邻域里其它子优化问题之间的进化操作，MOEA/D算法可以实现多样性，并保持其算法收敛。通过MOEA/D算法可以取得多组可供决策者选择的优化结果，为煤矿井下射频识别阅读器布局提供更加可行的方案。

发明内容

本发明的目的在于针对上述现有方法的不足，提出了一种基于高维多目标进化优化算法的井下RFID阅读器布局方法。