[发明专利]一种基于鬣狗捕获模型的RFID网络动态优化部署方法

说明书

本发明一种基于鬣狗捕获模型的RFID网络动态优化部署方法，利用鬣狗捕获模型将RFID网络动态规划问题转换为多目标优化问题，通过鬣狗群体的惯性常数策略搜索和记忆能力，找出位置较好的鬣狗，以此更新剩余鬣狗的位置；利用高斯算子对群体的多样性进行调整，使算法跳出局部最优。该方法包含以下两个阶段，鬣狗捕获模型构建：电子标签数据采集、原始数据预处理、初始化鬣狗捕获模型坐标、鬣狗模型参数优化；RFID网络动态优化阶段：适应度函数计算、适应度函数比较、更新鬣狗位置，阅读器坐标输出。与现有的技术相比，本发明具有网络优化精度高，算法收敛速度快，抗环境干扰能力强等优点。

技术领域

本发明涉及无线射频识别(Radio Frequency Identification，RFID)中的多标签-网络动态的自适应技术，具体地说是一种基于鬣狗捕获模型的RFID网络动态优化部署方法。

背景技术

RFID(无线射频识别)是一种依靠射频信号产生感应电流激活标签向阅读器发射储存信息的无需接触的自动化识别技术。因其快速识别，能有效地应对各种恶劣环境，RFID识别技术在物品识别和数据采集等方面得到大范围的应用，特别是在供应链的库存管理上有飞速的发展。当今的世界，物与人，物与物之间的联系越来越紧密，可以说当今的世界是一个物联的世界，将物品快速准确的交易到消费者手中是大众消费的重点。通过结合计算机设备和互联网，将物品进行分类储存，以便快速交易，RFID在这方面将大有作为。

传统的RFID系统中通常只有一个阅读器，随着RFID技术的发展和应用范围的扩大，一个阅读器的读取已经难以满足实际应用的需求。从而发展出多个阅读器同时在一个大的范围内识别大量的标签，增加阅读器可以保证在一个范围内，可以不受距离的限制，保证每一个标签都能够被读取，但是同时，增加阅读器会增加成本，同时导致标签与阅读器，阅读器与阅读器之间的碰撞，产生信息的冗余，在RFID网络中，电子标签的位置具有随意性，能够使用尽量少的阅读器来读取标签的信息，同时对减少阅读器对阅读器、阅读器和标签之间的冲突，在保证标签全部被读取到的前提下，减少阅读器，达到相对平衡的状态，对RFID网络具有重要意义。

通过文献检索，我们检索到了以下相关文献，这些文献所采用的RFID优化部署算法可以实现能够合理部署RFID阅读器，但都没有使用鬣狗捕获模型的优化算法如：

中国专利CN201410789564.8，一种基于鲁棒粒子群优化的不确定物流RFID阅读器部署方法，专利权人：上海海事大学。该专利公开了一种基于鲁棒粒子群优化的不确定物流RFID阅读器部署方法，参考传感器感知范围不确定的概率感知模型建立覆盖模型，采用同心圆方法进行蒙特卡洛采样，计算冲突程度，用阅读器使用数量来描述成本，综合考虑覆盖率、冲突程度、成本，建立电子标签位置不确定的物流RFID阅读器部署鲁棒优化模型，将一种样本规模随迭代次数变化的采样方法与鲁棒粒子群优化算法融合。该发明的优点是在样本规模有限的情况下提高部署方法的鲁棒优化性能。但是该发明没有考虑到负载均衡等问题，在阅读器部署方法上存在容易陷入早熟收敛，无法保证收敛到最优点。

中国专利CN201510770713.0，一种基于无源超高频RFID定位系统的阅读器优化部署方法，专利权人：天津工业大学。本专利属于射频通信技术领域，涉及一种基于无源超高频RFID定位系统的阅读器优化部署方法，分析阅读器发射能级与辐射半径的关系，依据LANDMARC算法原理构建基于定位耗时的目标适应值函数，以系统中各阅读器位置作为寻优变量，以目标适应值函数最小化作为寻优目标，采用典型粒子群算法搭建寻优粒子模型，引入模拟退火算法改善寻优粒子模型的局部搜索能力和全局搜索能力，从而确定各阅读器的最优部署方式。该专利的优点是，综合LANDMARC算法原理和无源RFID的识别机理，构建适于无源超高频RFID定位的系统耗时粒子寻优模型，获得的阅读器部署方式能够有效改善系统的定位效率。但是混合优化算法在搜索过程中对速度和精度的要求更高。

发明内容