基于生物行为的射频识别系统优化模型与算法研究

论文摘要

在“两化融合”和“感知中国”的国家战略背景下,物联网发展受到了政府、产业、资本等各层面的高度关注,射频识别（Radio Frequency Identification, RFID）技术作为物联网的主要驱动技术,已被列为本世纪十大重要技术之一。目前,RFID系统在物流、交通和零售等领域形成了小规模的市场,但其自动化、智能化、协同化程度仍然较低,其应用基础技术研究还存在着大量尚未解决的关键问题。而RFID系统优化技术作为保障RFID系统稳定、可靠和安全运行的基础,已成为现阶段RFID技术研究与应用的重要课题。本文根据RFID系统优化一般为非线性、多目标、大规模的复杂优化问题,利用智能算法求解这类问题时在计算精度、收敛性、初值敏感以及解的鲁棒性和自适应性等方面较传统数学优化算法更具优势的特点,在综述生物启发式计算研究的基础上,提出基于生物行为的RFID系统优化模型与算法。旨在通过深入研究通用、可扩展的RFID系统优化模型,设计一整套高效、可靠的基于生物行为的智能优化算法,重点解决RFID实际大规模应用中读写器调度、网络负载均衡、标签覆盖以及多读写器数据融合等相关优化问题,以提高RFID系统的运行效率和服务质量。论文的主要研究内容包括以下4个方面：1.研究了基于多种群共生粒子群优化算法（Symbiotic Multi-Species Particle Swarm Optimizer, SMPSO）的RFID读写器防冲突问题。在分析RFID读写器冲突及其建模问题的基础上,研究了考虑最小化读写器冲突和总处理时间的RFID读写器防冲突优化模型；在标准粒子群算法的基础上,基于自然界中的生物共生理论提出了SMPSO算法。SMPSO算法通过定义单物种内协作与物种间的信息交流机制,建立生态系统中的互利共生策略,具有更好的多样性保持能力及后期搜索性能。将基于SMPSO的RFID网络防冲突算法应用于四个不同规模的RFID读写器网络进行仿真实验,通过与标准粒子群（Particle Swarm Optimization, PSO）算法比较迭代过程中的进化曲线,表明SMPSO算法的收敛速度和解均优于标准PSO算法。仿真实验表明SMPSO算法能够有效求解密集读写器环境下的读写器冲突问题,并优化整个读写器网络的工作效率。2.提出了多群体协同人工蜂群聚类方法,并将其应用于RFID在制品跟踪系统数据的分析和处理。将多群体协同进化模型引入到人工蜂群优化（Artificial Bee Colony,ABC）算法中,提出了多群体协同人工蜂群优化算法（Multi-Species Cooperative Artificial Bee Colony Optimization, MCABC）,将MCABC算法与ABC、PSO以及协同粒子群算法（Cooperative Particle Swarm Optimization, CPSO）在3个标准聚类问题数据集上进行了实验仿真,仿真结果表明MCABC算法的收敛速度、求解的精度和结果鲁棒性均优于其它算法；将基于MCABC算法的聚类分析应用于RFID在制品跟踪系统的数据处理模块,提出了基于MCABC聚类的RFID在制品跟踪数据处理模型,仿真实验结果表明该模型可以有效地识别和剔除错误观测值,提高RFID读写器网络目标定位跟踪的精度。3.研究了基于层次菌群觅食优化（Hierarchical Bacterial Foraging Optimization, HBFO）算法的RFID网络规划。提出了通用、可扩展的RFID系统优化模型,设计了基于层次群体智能优化模型的HBFO算法,并将其应用于RFID网络规划以处理大规模、多目标的复杂多峰问题。通过对HBFO、遗传算法（Genetic algorithm, GA）、PSO算法求解RFID网络规划的仿真实验结果对比,表明HBFO算法在标签覆盖、读写器干扰、网络负载均衡分目标以及网络经济效率总体目标函数的优化结果均优于其它两种优化算法。4.设计了自适应细菌觅食优化（Self-Adaptive Bacterial Foraging Optimization, SABFO）算法,并将其应用于动态RFID网络规划。将自适应搜索策略和群体感应机制引入基本细菌觅食优化（Bacterial Foraging Optimization, BFO）模型,建立SABFO算法模型。对SABFO、PSO、BFO及实数编码的GA算法在一组标准测试函数中进行仿真实验,仿真结果表明SABFO算法解的收敛速度、解的精度较其它算法有不同程度的改善。根据RFID系统本身的动态性和不确定性,在静态RFID网络规划模型基础上建立了RFID网络动态优化模型。通过对BFO算法与SABFO算法求解动态RFID网络规划模型进行仿真实验,结果对比表明综合考虑标签覆盖和读写器干扰的总体目标函数优化的SABFO算法优于BFO算法。仿真结果表明,SABFO算法能够持续地追踪到变化的峰值,适用于求解动态工程优化问题。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 射频识别技术概述
• 1.2.1 射频识别系统组成
• 1.2.2 发展历程
• 1.2.3 应用领域
• 1.3 RFID系统优化及其面临的挑战
• 1.4 生物启发式计算概述
• 1.4.1 遗传算法
• 1.4.2 神经计算
• 1.4.3 模糊系统
• 1.4.4 群体智能
• 1.4.5 其它生物启发式计算方法
• 1.5 论文内容与组织
• 1.5.1 论文研究内容
• 1.5.2 论文组织结构
• 1.6 本章小结
• 第2章 基于多种群共生粒子群优化算法的RFID读写器防冲突研究
• 2.1 引言
• 2.2 RFID读写器冲突问题概述
• 2.2.1 密集环境下的读写器冲突
• 2.2.2 读写器冲突问题分析
• 2.2.3 读写器网络的基本拓扑结构
• 2.2.4 RFID读写器防冲突问题数学模型
• 2.3 标准粒子群算法
• 2.3.1 算法简介
• 2.3.2 基本PSO算法流程
• 2.4 基于生物共生现象的改进PSO算法
• 2.4.1 共生进化理论
• 2.4.2 SMPSO算法
• 2.4.3 实验与结果分析
• 2.5 基于SMPSO的RFID读写器防冲突
• 2.5.1 RFID读写器防冲突算法实现步骤
• 2.5.2 应用实例及结果分析
• 2.6 本章小结
• 第3章 面向RFID在制品跟踪的多群体协同人工蜂群聚类方法
• 3.1 引言
• 3.2 多群体协同人工蜂群优化模型与聚类分析
• 3.2.1 蜂群觅食的生物学机理
• 3.2.2 多群体协同的生物学基础
• 3.2.3 多群体协同人工蜂群优化算法
• 3.2.4 基于多群体协同人工蜂群算法的聚类分析
• 3.4 基于MCABC聚类的RFID在制品跟踪数据处理
• 3.4.1 基于RFID的在制品跟踪系统
• 3.4.2 基于MCABC的RFID在制品跟踪数据处理模型
• 3.4.3 实例研究
• 3.5 本章小结
• 第4章 基于层次菌群觅食优化算法的RFID网络规划
• 4.1 引言
• 4.2 RFID中间件智能设备管理系统概述
• 4.2.1 智能RFID中间件体系结构
• 4.2.2 RFID智能设备管理的系统优化需求
• 4.3 面向RFID中间件智能设备管理的RFID网络规划优化模型
• 4.4 基于系统智能思想的新型优化算法-层次菌群觅食优化算法
• 4.4.1 细菌觅食优化算法的生物学基础
• 4.4.2 基本细菌优化算法
• 4.4.3 层次型群体智能优化模型
• 4.4.4 基于系统智能思想的层次菌群觅食优化算法
• 4.5 基于HBFO的RFID网络规划
• 4.5.1 求解框架
• 4.5.2 算法步骤
• 4.5.3 实例研究
• 4.6 本章小结
• 第5章 面向RFID网络动态优化的细菌自适应觅食算法
• 5.1 引言
• 5.2 细菌自适应觅食优化模型及算法
• 5.2.1 基本细菌觅食优化模型的局限性
• 5.2.2 细菌自适应觅食算法的生物学基础
• 5.2.3 细菌自适应觅食算法模型
• 5.2.4 仿真实验
• 5.3 RFID网络动态优化模型
• 5.4 基于细菌自适应优化算法的动态RFID网络规划
• 5.4.1 基于ABFO的RFID网络规划过程
• 5.4.2 基于SABFO的动态RFID优化仿真
• 5.5 本章小结
• 结论
• 参考文献
• 作者简介
• 攻读博士学位期间发表的学术论文
• 致谢