利用增强烟花算法对RFID网络进行规划

为了实现面向复杂环境下的RFID（Radio Frequency Identification）网络规划,提出利用增强烟花算法,并采用分层方法来实现多目标RFID网络的规划。通过建立优化模型,在满足标签100%覆盖率、部署更少的阅读器、使用较少的发射功率和避免信号干扰四个目标的基础上,使用标准基测试集进行测试,与GPSO（Global topology Particle Swarm Optimization）、VNPSO（Von Neumann topology Particle Swarm Optimization）、GPSO-RNP（Global topology Particle Swarm Optimization-RFID Network Planning）和VNPSO-RNP（Von Neumann topology Particle Swarm Optimization-RFID Network Planning）四种算法进行了对比分析。实验结果表明,增强烟花算法在对多目标RFID进行网络规划时表现更优异,可以更有效地求出最优化方案。     

基于改进型多目标樽海鞘群算法的RFID阅读器天线优化部署

随着射频识别(Radio Frequency Identification, RFID)技术的飞速发展,在各种特殊的环境下(如工厂、仓库、监狱等),对RFID阅读器天线优化部署的需求开始受到广泛关注。针对目前RFID阅读器天线部署中存在的部署难度大、约束条件多且不易找到最优解和Pareto前沿等问题,文中提出了一种基于改进型多目标樽海鞘群算法(Multi-objective Salp Swarm Algorithm, MSSA)的RFID阅读器天线优化部署方法。预先构建多目标RFID阅读器天线优化部署模型,设定优化目标;多目标樽海鞘群算法对RFID阅读器天线优化部署模型进行优化训练,引入分离算子以优化搜索能力,并通过迭代不断寻找满足条件的非支配解,构建满足条件的Pareto解集,其即为优化的结果。实验数据表明,MSSA算法求解时无需先验知识和设置加权系数,收敛速度快;在相同实验环境下,MSSA算法与带观察者机制的蝙蝠(BA-OM)算法、粒子群(PSO)算法、细菌觅食优化(MC-BFO)算法相比,覆盖率分别提高了33%,28%,20%;与同类型的求Pareto解集的混合萤火虫(HMOFA...     

基于混合萤火虫算法的RFID网络多目标规划*

针对RFID网络规划问题,综合考虑其整体性能,建立约束多目标优化的网络规划模型;提出混合萤火虫多目标优化算法,在算法中引入新的搜索机制和非支配排序方法,以加强其搜索能力,并更有效逼近Pareto前沿。仿真研究表明,所提算法可以有效提高RFID网络的整体性能,即在保证标签覆盖率的同时,提高网络经济效益,降低阅读器冲突,平衡网络负载,实现对RFID网络的优良规划。     

基于混合粒子群的RFID网络的优化部署*

在RFID网络系统中,贴有标签的物品可能随机地布置着,针对如何有效地放置阅读器,使得阅读器可以读取多个标签信息同时减小冲突的问题,建立了RFID网络系统的优化模型,提出了一种混合粒子群算法来优化部署阅读器的位置。实验结果表明,混合粒子群算法分别比传统的粒子群(PSO)和遗传算法(GA)在收敛速度和寻优能力上具有更好的性能,体现出混合粒子群算法的优越性。     

RFID系统的冗余阅读器消除改进算法I-RRE

针对RFID系统的RRE（Redundant Reader Elimination）算法和LEO（Layered Elimination Optimization）算法的不足,提出了一种I-RRE（Improvable-Redundant-Reader Elimination）算法。该算法增加候选holder,优先开启阅读器射频范围内的标签候选holder为0的阅读器,达到冗余阅读器数目最大化、工作阅读器数目最小化的目的。利用随机产生的RFID系统网络来模拟现实RFID系统环境,该环境根据参数不同的阅读器以及标签数量来模拟不同的场景,最后对冗余阅读器改进算法与其他算法对比分析。     

基于聚类优化的SDN多域自适应管理方法

针对软件定义网络(SDN)多域网络中存在子域规划及控制器部署不合理的问题,提出一种新的SDN多域自适应管理方法。基于改进的节点聚类思想,设计SDN子域划分优化算法,依据网络中的吸引度和归属度对节点进行聚类,完成子域规划。面向子域中不同网络代价,给出控制器自适应部署算法,并通过代价加权求和得到子域网络总开销,完成控制器部署。仿真结果表明,与控制器自适应部署算法、负载均衡算法等相比,该方法网络子域划分和控制器部署更加合理,可节约23%的备份控制器空间,改善网络的综合性能。     

一种基于多阅读器数据冗余的高效RFID数据清洗策略

随着RFID技术的发展,RFID的应用越来越广泛.然而,由于RFID硬件设备固有的限制和环境噪声的影响,造成了RFID原始数据的不确定性,使RFID在很多领域中的应用受到限制.现实应用中的部署环境通常由多个阅读器及大量标签组成,而现有的数据清洗算法大多只针对单个阅读器对标签的读取情况进行研究,因此在真实应用中的效果差强人意.本文综合考虑RFID的数据特性、阅读器和部署环境的先验知识以及具体应用中的约束条件三个方面,提出一种更贴近现实应用的基于多阅读器数据冗余的数据清洗策略LC-INFER(Location-Containment Inference):首先基于贝叶斯推理对数据进行初步清洗,其次结合基于物体间包含关系的平滑技术,并考虑约束条件对数据进行二次清洗以提高数据的准确性,最后部署真实供应链应用环境进行实际测试,并用大量仿真数据集进行模拟测试,验证了本文提出的RFID数据清洗算法的准确性及高效性.     

基于局部密度聚类的WSN多Sink节点部署研究

针对无线传感器网络中传感器节点能量受限,网络生命周期短的问题,在考虑网络成本的情况下,提出一种基于节点局部密度聚类的多Sink节点优化部署算法。首先,基于多属性因子构建聚类决策函数确定Sink节点部署位置,完成传感器节点聚类;然后,根据下一跳节点与Sink节点间距离最短准则搜索并形成数据传输路径;最后,以网络生命周期成本比最大化为依据确定最优的Sink节点数目,实现多Sink节点优化部署。仿真结果表明：与已有算法相比,本文算法能够有效延长网络生命周期,具有较高的网络生命周期能效比。     

基于试探性消除策略的改进ERRE算法

针对有效冗余阅读器消除算法（Efficient Redundant Reader Elimination,ERRE）存在对RFID网络拓扑结构要求高和需要设定用户自定义因子的不足,提出基于试探性消除策略的改进ERRE算法。该算法在ERRE算法的基础上加入试探性消除策略,提高算法在不同拓扑结构下运行的有效性;并删除性能函数和权重函数,设阅读器的邻居数与覆盖数的比值作为冗余阅读器判定值。最后,通过实例分析证明改进算法的有效性,并和算法RRE、LEO、ERRE进行仿真对比分析。实验结果表明,改进算法在继承ERRE算法优点的同时,可适用于任何拓扑结构的RFID网络,而且不需要设定用户自定义因子,避免了人为因素对实验结果可信度的影响。相较其他算法,改进算法可以有效消除更多冗余阅读器。     

RFID系统中基于中继传感器的协同防碰撞算法

针对射频识别(RFID)系统中为了满足多类应用、异构网络、多样性服务等应用而部署的多阅读器和多应答器,导致数据识别、传输时延和信号完整性等性能下降的问题,研究了一种适用于多阅读器应答器系统的基于中继传感器的协同防碰撞算法.根据系统发生数据碰撞的三种情形,结合数据碰撞角度 和碰撞效应权重,提出一种有效避免数据碰撞的中继传感器结构设计方案;设计了适合于RFID系统中继传感器协同合作的外围电路;结合系统覆盖区内三类辐射元的信号汇聚,提出了基于中继传感器的协同防碰撞算法.实验结果表明:在读取时隙和传输时延等方面,所提协同防碰撞算法明显优于传统的ALOHA算法.     

基于GCPSO算法的RFID读写器网络规划的研究

无线射频识别（RFID）在现实中有广泛的应用,RFID网络规划是RFID网络部署的核心挑战。提出了一种新的GCPSO算法来实现RFID网络优化调度规划,该算法以广泛学习粒子群优化算法（MCPSO）思想为基础,针对从群之间没有信息的交流而降低算法速度问题,设定一种中心交流机制。同时在参数的设置中结合高斯分布的概念,以提高算法的收敛性。为了证明所提出GCPSO算法的效率和性能,将其与MCPSO算法、PSO基本算法共同对15个读写器进行网络规划并做比较。实验结果表明,改进后的粒子群算法GCPSO不仅收敛性能和速度上有了明显的增强,而且实现了RFID读写器网络良好规划。     

基于分层多目标优化算法的无线网络规划

为满足时分-同步码分多址(TD-SCDMA)网络规划性价比最优化的需求,设计网络规划分层优化模型,该模型能很好地解决覆盖和容量的关系。为求解该模型,提出分层多目标优化算法,该算法能根据实际规划区域决定目标函数的优先层次,满足TD-SCDMA网络规划的目标和要求,并可在给定条件下实现基站布局最优。     

基于改进型灰狼算法的RFID网络规划

随着物联网技术的飞速发展,射频识别(Radio Frequency Identification,RFID)系统因具有非接触、快速识别等优点而成为了解决物联网问题的首选方案.RFID网络规划问题要考虑多个目标,被证明是多目标优化的问题.群体智能(Swarm In-telligence,SI)算法在解决多目标优化问题方面...     

Multi-colony bacteria foraging optimization with cell-to-cell communication for RFID network planning

In order to obtain accurate and reliable network planning in the Radio Frequency Identification (RFID) communication system, the locations of readers and the associated values for each of the reader parameters have to be determined. All these choices must optimize a set of objectives, such as tag coverage, economic efficiency, load balance, and interference level between readers. This paper proposes a novel optimization algorithm, namely the multi-colony bacteria foraging optimization (MC-BFO), to solve complex RFID network planning problem. The main idea of MC-BFO is to extend the single population bacterial foraging algorithm to the interacting multi-colony model by relating the chemotactic behavior of single bacterial cell to the cell-to-cell communication of bacterial community. With this multi-colony cooperative approach, a suitable diversity in the whole bacterial community can be maintained. At the same time, the cell-to-cell communication mechanism significantly speeds up the bacterial community to converge to the global optimum. Then a mathematical model for planning RFID networks is developed based on the proposed MC-BFO. The performance of MC-BFO is compared to both GA and PSO on RFID network planning problem, demonstrating its superiority.     

基于傅里叶描述子RBFNN有杆泵井故障诊断

在对有杆泵井进行故障诊断过程中,采用了具有很强轮廓形状识别能力的傅里叶描述子作为RBFNN（径向基函数神经网络）的输入向量特征提取,通过分析比较基于梯度下降法和遗传算法的RBF网络各自特点,提出了一种基于傅里叶描述子的分层循环学习RBFNN算法。通过对非线性函数逼近的仿真实验证明了所提算法是准确有效的,最后利用MATLAB神经网络工具箱,建立分层学习算法的网络模型实现对有杆泵井的故障诊断,通过仿真测试验证了所提出的故障诊断方法能够准确地判断出有杆泵井故障类型。     

A power control technique for anti-collision schemes in RFID systems

The emerging technology of Radio Frequency IDentification (RFID) has enabled a wide range of automated tracking and monitoring applications. However, the process of interrogating a set of RFID tags usually involves sharing a wireless communication medium by an RFID reader and many tags. Tag collisions result in a significant delay to the interrogation process, and such collisions are hard to overcome because of the limited capabilities of passive RFID tags and their inability to sense the communication medium. While existing anti-collision schemes assume reading all tags at once which results in many collisions, we propose a novel approach in which the interrogation zone of an RFID reader is divided into a number of clusters (annuli), and tags of different clusters are read separately. Therefore, the likelihood of collisions is reduced as a result of reducing the number of tags that share the same channel at the same time.In this paper, we consider two optimization problems whose objective is minimizing the interrogation delay. The first one aims at finding the optimal clustering scheme assuming an ideal setting in which the transmission range of the RFID reader can be tuned with high precision. In the second one, we consider another scenario in which the RFID reader has a finite set of discrete transmission ranges. For each problem, we present a delay mathematical analysis and devise an algorithm to efficiently find the optimal number of clusters. The proposed approach can be integrated with any existing anti-collision scheme to improve its performance and, hence, meet the demand of large scale RFID applications. Simulation results show that our approach makes significant improvements in reducing collisions and delay.     

网络社区发现的多目标分解粒子群优化算法

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。     

一种RBF神经网络的混合学习算法在CPI中的应用

根据RBF神经网络最常用的OLS算法、K-均值聚类算法和梯度下降训练学习算法,提出了一种基于正交最小二乘K-均值聚类梯度下降优化的RBF神经网络的混合算法。该算法克服了单一某种训练方法的不足,发挥了混合算法的长处,进行了CPI预测的仿真实验。结果证明：该方法是有效实用。