一种rfid传感器网络的部署方法
【专利摘要】本发明公开了一种RFID传感器网络的部署方法，包括以下步骤：S1.获取RFID感应节点总数N，并设置总迭代次数为A；S2.部署包括|ps|个个体的进化种群；S3.计算每个个体的适应度函数值；S4.更新迭代计数器，判断是否k＜A；S5.选择适应度函数值最小的个体以作为最优个体，依据最优个体部署RFID传感器网络。实施本发明的有益效果是，其网络部署过程简单快速，且可直接形成树状拓扑结构，避免了每次搜索、消除环形信道所带来的运算压力，计算复杂度显著低于现有启发式设计方法。
【专利说明】—种RFID传感器网络的部署方法
【技术领域】
[0001]本发明涉及射频设别应用领域，尤其涉及一种RFID传感器网络的部署方法。
【背景技术】
[0002]射频识别(Rad1Frequency Identificat1n, RFID)是一种近场无线通信技术。可通过射频标签与识别系统(阅读器)间的电磁场交互，实现对特定目标信息的读取与写入。将RFID与无线路由器或无线接收器(Access Point, AP)结合形成感应节点，从而构建传感器网络系统，是其发展的主要方向之一。可用于物联网、智能家居、物流追踪等领域，具有重要的社会经济价值。
[0003]RFID传感器网络常使用无中心的多跳架构，基于节点间信号转发实现数据通信，可有效提升网络的鲁棒性与抗损性，适合于物联网等拓扑结构多变的场合。在其设计时，主要目标为最小化各节点间通路的整体(加权)距离，从而使信道衰减减小，噪声干扰降低，传输性能有效提升。目前用于RFID传感器网络的设计算法大致分为两类:
[0004]一、基于最小生成树(Minimum Spanning Tree, MST)的网络构造方法:使用传统MST设计算法构造传感器网络，常用方法包括Prim算法、Kruskal算法、反转删除算法(Reverse-Delete Algorithm)及信息聚类算法等。但此类方法计算复杂度普遍较高。为此也出现了基于最近邻树(Nearest-Neighbors Tree,NNT)的近似构造算法,可在较短运算时间内，获得接近MST的设计结果。
[0005]二、基于计算智能的启发式网络构造方法:现有MST或NNT构造算法基本属于贪婪方法，而RFID传感器网络设计为复杂的非凸优化问题。此类方法容易陷入局部最优，导致网络整体性能不佳。为此近年来出现了基于计算智能的启发式设计算法，通过使用遗传算法(Genetic Algorithms, GA)、粒子群优化(Particle Swarm Optimizat1n, PS0)等全局优化网络架构，可有效避免这一问题，从而获得理论最佳结果。
[0006]基于计算智能的启发式设计方法运算复杂，目前仍较少用于RFID传感器网络的构造中。但其可有效避免早熟收敛，从而获得理论最佳的设计结果。随着计算机性能的日渐提升，此类方法将成为未来发展的主要方向。
[0007]但是，现有的RFID自组织传感器网络构造方法，主要存在以下两个缺点:
[0008]第一，现有基于MST、NNT的网络构造方法，基本属于贪婪算法。而自组织网络设计为复杂的非凸优化问题，此类方法往往会陷入局部最优，而难以获得全局(理论)最佳的结果。导致所形成的RFID网络整体性能不佳。
[0009]第二，现有基于计算智能的启发式构造算法，其个体编码方法并不适合于RFID传感器网络。导致在每次计算适应度函数值时，都需要判断并消除所包含的所有环形拓扑结构。这一过程计算复杂度较高，直接推高了此类方法的运算时间。
【发明内容】
[0010]本发明要解决的技术问题在于，针对上述RFID网络整体性能不佳、计算复杂度高的问题，提供一种RFID传感器网络的部署方法。
[0011]本发明解决其技术问题所采用的技术方案是:构造一种RFID传感器网络的部署方法，包括以下步骤:
[0012]S1、获取RFID传感器网络中的RFID感应节点总数N，并设置总迭代次数为A ；
[0013]S2、令k = O以初始化迭代计数器，并部署包括|ps|个个体的进化种群，任一所述个体均为N维矢量Xi,其值为:
[0014]Xi = {Xj I j e N}
[0015]其中，Xj取值为[0，N]范围内的随机值，i为正整数且i彡PS ；
[0016]S3、计算所述进化种群中的每个个体的适应度函数值；
[0017]S4、对所述k的值加I以更新所述迭代计数器，若k < A，则转至步骤S3，若否，则转至步骤S5 ；
[0018]S5、选择所述适应度函数值最小的个体以作为最优个体，依据所述最优个体部署所述RFID传感器网络。
[0019]在本发明所述的部署方法中，在所述步骤SI中，设置所述RFID感应节点中的第b个节点的唯一 ID号为b，其中，b彡N。
[0020]在本发明所述的部署方法中，在所述步骤S2中，所述随机值在[0，N]范围内服从均匀分布。
[0021]在本发明所述的部署方法中，所述步骤S3包括以下子步骤:
[0022]S31、设置所述个体Xi在第j维上的数值为第b个节点的等级值rank(b)，SPrank (b) = Xj ；
[0023]S32、计算所述RFID感应节点中任一节点到其它节点的距离，并连接与其距离最短且等级高于自身的第Hllink个节点；
[0024]S33、计算所述个体Xi中所连接的节点间的距离总和，以作为所述个体Xi的适应度函数值f (Xi)；
[0025]S34、若所述|ps|个个体中存在未被计算所述距离总和的个体，则转至步骤S31 ；若所述IpsI个个体中每一个体均被计算所述距离总和，则转至步骤S4。
[0026]在本发明所述的部署方法中，在所述步骤S31中，所述b的值与所述j的值相等。
[0027]在本发明所述的部署方法中，在所述步骤S32中，计算所述RFID感应节点中任一节点到其它节点的加权距离，并从中选出与其距离最短且等级高于自身的第Hllink个节点，其中:
[0028]= argmin dist(/?,m), rank(//) Φ rank(m)
b^m ,rank(i?)<rank( m)
[0029]其中，第b个节点为所计算的节点，m为所述RFID感应节点中的所述其它节点，dist表示两个节点间的距离，当rank(b) = rank(m)时返回所计算的节点的唯一 ID号。
[0030]在本发明所述的部署方法中，在所述步骤S33中，所述个体Xi的适应度函数值f(Xi):
[0031]/(O
<b,m>
[0032]其中，<b, m>为所述RFID感应节点中第b个节点到其它节点间的连接。
[0033]在本发明所述的部署方法中，该部署方法还包括:
[0034]S40、在所述步骤S4之前，根据每个个体的所述适应度函数值，采用文化基因算法优化所述进化种群。
[0035]在本发明所述的部署方法中，在所述步骤S5中，在迭代后及优化后的所述进化种群中，选择所述适应度函数值最小的个体以作为最优个体Xbest:
[0036]Xbest = argminf (Xi)
[0037]其中，i为正整数且i彡|ps |。
[0038]在本发明所述的部署方法中，依据所述最优个体形成树状网络，部署所述RFID传感器网络。
[0039]实施本发明的一种RFID传感器网络的部署方法，具有以下有益效果:通过使用随机等级排序编码方法，一方面，其网络部署过程简单快速，且可直接形成树状拓扑结构，避免了每次搜索、消除环形信道所带来的运算压力，计算复杂度显著低于现有启发式设计方法。另一方面，其每次构造的网络性能不劣于NNT，而最终一般都可获得MST的理论最优结果O
【专利附图】
【附图说明】
[0040]下面将结合附图及实施例子对本发明作进一步说明，附图中:
[0041]图1为本发明提供的一种RFID传感器网络的部署方法的流程图；
[0042]图2为本发明提供的RFID传感器网络的部署示意图；
[0043]图3为本发明提供的基于随机等级排序编码的树形网络的构造示意图。
【具体实施方式】
[0044]为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的【具体实施方式】。
[0045]本发明使用计算智能算法优化RFID传感器网络的整体构造，并采用基于随机等级排序(Random Ranking)的编码方法避免环形结构的产生。可在较短的运算时间内，获得比传统方法更佳的设计结果。
[0046]图1为本发明提供的一种RFID传感器网络的部署方法的流程图，如图1所示，该方法若以进化种群10作为线索，可参考图2，图2为本发明提供的RFID传感器网络的部署示意图，具体的，该部署方法包括以下步骤:
[0047]S1、设计开始前，设若传感器网络中的RFID感应节点总数为N。则对于其中任意第b e N个节点，设定其唯一 ID号为b。设置优化总迭代次数为A次。
[0048]S2、令k = O以初始化迭代计数器,并部署包括|ps I个个体11的进化种群10,任一所述个体11均为N维矢量Xi,其值为:
[0049]Xi = {Xj I j e N}
[0050]其中，Xj取值为[0，N]范围内的随机值，i为正整数且i ( ps ;所述随机值在[O, N]范围内服从均匀分布。
[0051]S3、计算所述进化种群10中的每个个体11的适应度函数值；所述步骤S3包括以下子步骤:
[0052]S31、设置所述个体IlXi在第j维上的数值为第b个节点的等级值rank(b)，即rank(b) = Xj ;优选的，所述b的值与所述j的值相等。
[0053]S32、计算所述RFID感应节点中任一节点到其它节点的距离，并连接与其距离最短且等级高于自身的第mlink个节点；计算所述RFID感应节点中任一节点到其它节点的加权距离，并从中选出与其距离最短且等级高于自身的第mlink个节点，其中:
argmin dist(/),m) if rank(//) Φ rank(m)
「00541 ?71 = J fe?nrai,k(6!<rank(m)
''"k I argmin dist(/?,m) else
b辛 m ,indx( b )<indx( m)
[0055]其中，第b个节点为所计算的节点，m为所述RFID感应节点中的所述其它节点，dist表示两个节点间的距离，当rank (b) = rank (m)时,也就是else时,返回所计算的节点的唯一 ID号，indx表示返回当前节点的唯一 ID号。
[0056]具体参见图3，图3为本发明提供的基于随机等级排序编码的树形网络的构造示意图，图中，第I个RFID感应节点的等级数值(即ID号为1，以下均采用ID号表示节点)为 4,即 rank (I) = 4,对应地,rank (2) = I, rank (3) = 2, rank (4) = 3。路径 102 的距离为 dist (1,2) = 4,路径 103 的距离为 dist (1,3) = 6,路径 104 的距离为 dist (1,4) = 5,路径203的距离为dist (2，3) = 5，路径204的距离为dist (2，4) = 7，路径304的距离为dist (3,4) =3。故等级数值从高到低的排序是 rank (I) = 4, rank (4) = 3, rank (3) =2,rank(2) = I,而节点2到节点I距离最短,故将节点2连接至节点I,同理,将节点3连接至节点4，节点4连接至节点1，等级数值最高的节点I不会主动连接其他节点。从而将实质产生连接的路径形成无环的树形网络T，即图3中的实线带箭头的路径。这一过程被称为随机等级排序编码算法。
[0057]S33、计算所述个体IlXi中所连接的节点间的距离总和，以作为所述个体IlXi的适应度函数值f (Xi);所述个体IlXi的适应度函数值f (Xi):
[0058]/(aV) = Y^dist {bjn)
<b,m>
[0059]其中，<b, m>为所述RFID感应节点中第b个节点到其它节点间的连接。
[0060]S34、若所述|ps|个个体11中存在未被计算所述距离总和的个体11，则转至步骤S31 ;若所述Ipsl个个体11中每一个体11均被计算所述距离总和，则转至步骤S4。
[0061]S40、在所述步骤S4之前并在步骤S3之后，根据每个个体11的所述适应度函数值，采用文化基因算法优化所述进化种群10。根据各寻优个体11的适应度函数值，使用计算智能算法优化进化种群10pS。在本方法中，一般使用基于粒子群优化(PSO)与DSCG搜索(Davies,Swann,and Campey with Gram-Schmidt Orthogonalizat1n Search)的Memetic算法，即文化基因算法。
[0062]S4、对所述k的值加I以更新迭代计数器，若k < A，则转至步骤S3，若否，则转至步骤S5 ；
[0063]S5、选择所述适应度函数值最小的个体11以作为最优个体11，依据所述最优个体11部署所述RFID传感器网络。在迭代后及优化后的所述进化种群10中，选择所述适应度函数值最小的个体11以作为最优个体IlXbest:
[0064]Xbest = argminf (Xi)
[0065]其中，i为正整数且i彡|ps I。
[0066]依据所述最优个体11形成树状网络，部署所述RFID传感器网络。
[0067]以上，该方法的有益效果包括:
[0068]第一，本方法使用计算智能对RFID传感器网络进行启发式设计，有效避免了传统算法易陷入早熟收敛的问题，可获得理论最佳的构造结果。所形成的网络系统信道衰减较小，受干扰程度较低，数据传输性能显著提升。
[0069]第二，本方法使用了随机等级排序编码算法。一方面，其网络构造过程简单快速。且可直接形成树状拓扑结构，避免了每次搜索、消除环形信道所带来的运算压力。计算复杂度显著低于现有启发式设计方法。另一方面，其每次构造的网络性能不劣于NNT，而最终一般都可获得MST的理论最优结果。从而收敛速度、优化结果均优于现有计算智能算法。
[0070]第三，本方法使用的随机等级排序编码算法，其架构属于离散的网络构建方法(Distributed Construct1n Algorithm)。可分配至多个处理器或多台计算机中并行运算，从而显著降低了构造所需时间。在特定情况下，可用于动态RFID传感器网络的构建。
[0071]上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的【具体实施方式】，上述的【具体实施方式】仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
【权利要求】
1.一种RFID传感器网络的部署方法，其特征在于，包括以下步骤: 51、获取RFID传感器网络中的RFID感应节点总数N，并设置总迭代次数为A； 52、令k= O以初始化迭代计数器，并部署包括|ps|个个体的进化种群，任一所述个体均为N维矢量Xi,其值为:
Xi = {xj |j e N} 其中，Xj取值为[O，N]范围内的随机值，i为正整数且i彡ps ； 53、计算所述进化种群中的每个个体的适应度函数值； 54、对所述k的值加I以更新所述迭代计数器，若k< A，则转至步骤S3，若否，则转至步骤S5 ； 55、选择所述适应度函数值最小的个体以作为最优个体，依据所述最优个体部署所述RFID传感器网络。
2.根据权利要求1所述的部署方法，其特征在于，在所述步骤SI中，设置所述RFID感应节点中的第b个节点的唯一 ID号为b，其中，b彡N。
3.根据权利要求1所述的部署方法，其特征在于，在所述步骤S2中，所述随机值在[O，N]范围内服从均匀分布。
4.根据权利要求2所述的部署方法，其特征在于，所述步骤S3包括以下子步骤: 531、设置所述个体Xi在第j维上的数值为第b个节点的等级值rank(b),即rank(b)=xJ ; 532、计算所述RFID感应节点中任一节点到其它节点的距离，并连接与其距离最短且等级高于自身的第mlink个节点； 533、计算所述个体Xi中所连接的节点间的距离总和，以作为所述个体Xi的适应度函数值 f (Xi); 534、若所述|ps|个个体中存在未被计算所述距离总和的个体，则转至步骤S31;若所述Ipsl个个体中每一个体均被计算所述距离总和，则转至步骤S4。
5.根据权利要求4所述的部署方法，其特征在于，在所述步骤S31中，所述b的值与所述j的值相等。
6.根据权利要求4所述的部署方法，其特征在于，在所述步骤S32中，计算所述RFID感应节点中任一节点到其它节点的加权距离，并从中选出与其距离最短且等级高于自身的第mIink个节点，其中:
Wilink = argiriin dist(/),w)，rank(/>) φ rank(w)
b^tn ,rank(^)<rank^ m) 其中，第b个节点为所计算的节点，m为所述RFID感应节点中的所述其它节点，dist表示两个节点间的距离，当rank(b) = rank(m)时返回所计算的节点的唯一 ID号。
7.根据权利要求6所述的部署方法，其特征在于，在所述步骤S33中，所述个体Xi的适应度函数值f (Xi):
/(Xi) = Y^dist (bjn)
<b,m> 其中，<b, m>为所述RFID感应节点中第b个节点到其它节点间的连接。
8.根据权利要求1所述的部署方法，其特征在于，该部署方法还包括: S40、在所述步骤S4之前，根据每个个体的所述适应度函数值，采用文化基因算法优化所述进化种群。
9.根据权利要求8所述的部署方法，其特征在于，在所述步骤S5中，在迭代后及优化后的所述进化种群中，选择所述适应度函数值最小的个体以作为最优个体Xbist:
Xbest = argminf (Xi) 其中，I为正整数且i彡Ipsl。
10.根据权利要求9所述的部署方法，其特征在于，依据所述最优个体形成树状网络，部署所述RFID传感器网络。
【文档编号】G06F17/50GK104268318SQ201410466968
【公开日】2015年1月7日 申请日期:2014年9月12日 优先权日:2014年9月12日
【发明者】曹昱升, 曾启明 申请人:深圳市欧克蓝科技有限公司, 深圳市华德创新科技有限公司