[发明专利]基于多智能体进化算法的RFID网络布局方法

说明书

技术领域

本发明涉及电子信息技术领域，具体涉及一种基于多智能体进化算法（multiagent evolutionary algorithm，MAEA）的RFID网络布局方法。

背景技术

RFID网络布局问题广泛地存在于制造领域、物流领域、零售领域等多个领域，合理的RFID网络布局是降低使用成本、提高覆盖率、减小读写器之间干扰冲突的重要保证。RFID网络布局问题不仅在实践中应用广泛，在理论上，该问题模型丰富，而且多属于NP-hard问题，求解困难，因此，一直吸引着国内外众多学者的研究和关注。

典型的RFID网络布局问题可描述为：在给定的二维平面中，合理排布读写器的位置，使网络资源得到优化分配。RFID网络优化的目标主要包括以下三种：（1）提高读写器对电子标签的覆盖率，即N个读写器尽可能覆盖二维平面中的n个电子标签；（2）降低网络布局的成本，即减少读写器个数和发射功率；（3）减小读写器之间干扰率，若多个读写器信号同时询问一个电子标签，读写器之间会发生干扰，则RFID网络服务质量下降。以上目标的优化存在优先关系约束，即覆盖率优化先于成本优化，成本优化先于干扰率优化。

目前文献中提出的RFID网络布局问题解决方法主要是元启发式算法。元启发式算法主要包括遗传算法、模拟退火算法、禁忌搜索算法、粒子群优化算法、蚁群优化算法等。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面权衡后的最佳方法。其中，遗传算法是最常用的一种元启发式算法。更广义的地说，遗传算法属于一种进化算法，由于进化算法与传统优化方法相比，具有简单、通用、鲁棒性强和便于并行化处理等优点，已被广泛应用于数值优化、组合优化、分类器设计等领域。但实践也表明，仅仅使用以遗传算法为代表的进化算法来模仿生物处理事物的智能还是远远不够的，还必须更加深层地挖掘与利用生物的智能资源。在遗传算法中，用于产生子代的个体是根据适应度从整个种群中选择出来的，因此必须预先确定整个种群的适应度分布。但在自然界中并不存在全局选择，也无法计算全局的适应度分布。事实上，自然选择本身是一种局部现象，它只与个体所在的局部环境有关。也就是说，某一阶段，自然进化是一个局部过程，它通过渐渐扩散，才使得信息为全局共享。因此，用遗传算法求解RFID网络布局问题不能很好的模仿生物处理事物的智能，另外遗传算法还有易早熟收敛、收敛速度慢、稳定性差等缺点，从而无法得到好的项目进度计划。

发明内容