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
【技术领域】
[0001] 本发明涉及一种不确定物流RFID阅读器部署方法。
【背景技术】
[0002] 在仓库、堆场等物流存储空间中使用RFID网络时，贴有电子标签的物品可能随机 地放置着，针对如何有效地布置阅读器，使得RFID网络覆盖率更高、冲突更小、成本更低， 是RFID应用的一个重要问题。由于问题的非线性及复杂性，目前较多的研宄者采用智能优 化方法，如遗传算法、粒子群优化算法等，对确定情况下的RFID阅读器部署优化进行了研 宄。
[0003] 在实际物流存储空间中，RFID网络中的物品可能只是放置在指定区域，物品可能 正放、反放，而标签只是贴在物品的一面，因此标签往往位于一定的不确定范围，而不是一 个精确的位置。但目前对于标签位置不确定的RFID阅读器部署优化研宄还很少。
[0004] 在不确定优化领域，目前已有较多的研宄方法。对于复杂的优化问题，智能优化方 法与鲁棒优化相结合，是一种简单而有效的方法，受到了不少研宄者的重视。但鲁棒优化一 般基于蒙特卡洛采样方法，而智能优化方法往往采用循环迭代的方法。因此这种较为直接 的方法需要较多额外的适应度函数评估，在实际应用中计算量较大，增加了计算时间。因 此，需要一种不确定物流RFID阅读器部署方法，并实现在保持算法搜索性能的同时减少计 算量，或在有限的样本规模情况下提高算法的搜索性能，。
【发明内容】
[0005] 本发明针对物流RFID网络中标签位置不确定的特点，提供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，该方法能够合理部署RFID阅读器，优化不确定 物流RFID网络，提高RFID网络覆盖率，减少阅读器间的冲突，降低RFID网络成本。
[0006] 为实现上述目的，本发明提供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，该方法包括：
[0007] 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；
[0008] 采用同心圆方法进行蒙特卡洛采样，计算冲突程度；
[0009] 用阅读器使用数量来描述成本；
[0010] 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；
[0011] 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。
[0012] 上述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包含：
[0013] 假设标签位置的不确定范围为圆形，其半径为Rt，第i个阅读器与第j个电子标签
【主权项】
1. 一种基于鲁椿粒子群优化的不确定物流RFID阅读器部署方法，其特征在于，该方法 包含： 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； 采用同屯、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 鲁椿优化模型； 将一种样本规模随迭代次数变化的采样方法与鲁椿粒子群优化算法融合，对物流RFID阅读器部署模型进行优化计算。
2. 如权利要求1所述的基于鲁椿粒子群优化的不确定物流RFID阅读器部署方法，其特 征在于，所述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包含： 假设标签位置的不确定范围为圆形，其半径为Rt，第i个阅读器与第j个电子标签的距 离为恥i，〇i) =扣'S-X试+(托-}古f，第i个阅读器对第j个电子标签的识别能力为：
(1) 其中，〇1=1?广而+(1枯，〇^)，曰2=1?1+而-(1枯，〇^)，人2为干扰量，0。02，入1为感知概 率的测量参数。 第j个电子标签的覆盖率用皆隶示：
(2) 为使不同规模实例的覆盖率大小范围相当，将物流RFID网络的覆盖率表示为：
(3)
3. 如权利要求1所述的基于鲁椿粒子群优化的不确定物流RFID阅读器部署方法，其特 征在于，所述采用同屯、圆方法进行蒙特卡洛采样，计算冲突程度包含： 令第j个电子标签位置不确定范围内第k个采样点为〇/(叫;，.叫;），第i个阅读器能识 别点却，用柏'=1表示，否则，用mzifer^'=〇表示。k=1,2,…，K，K为采样点个数，令集 合SK= {1，2,…，K}。当VRt<d(S。oj)或VRt>d(S。oj)时，可由式（4)获得歴成诚'：
(4) 当而-而< d(s。Oj)《Rk+Rt时，采用同屯、图（Concentric Map)方法。 对于圆屯、位于坐标原点的单位圆，按同屯、图方法，将采样点的极坐标整理如下：
r= 0, 0 = 0,ife1=e2= 0 (9) 其中e1，e2为[-1，1]之间的任意实数。 采样点的笛卡尔坐标为 (X,y) =(rcos白，rsin白）（10) 针对第j个电子标签，将式（10)调整为 (A'，.1.) = (-、', + 化/'/.cos化.1./, + 化/'/.sin()) (11) 但e。e2为区间[〇，1)中的任意实数，该种随机取样法使得采样精度不高，本发明 采用一种低偏差采样--Korobov点阵化orobovLattice)，来提高覆盖率的计算精度。 Korobov点阵规则如下 户" =占1.。111〇4"，，"，广1111〇<1")111〇化2' = 0，。'，"-1}为使采样点数]1可1^任意设置，取 巧 a=而， 若"/(為-x'O- + (乂 -兴)-《i?，则rea决= 1，否则rea如?= 0，本发明用Over/表不第j个电子标签位置不确定范围内第k个采样点被阅读的重叠程度：
(。） 按各采样点计算的平均冲突程度为： (1
3)
4. 如权利要求1所述的基于鲁椿粒子群优化的不确定物流RFID阅读器部署方法，其特 征在于，所述用阅读器使用数量来描述成本包含： 使用阅读器数量是影响RFID网络成本的重要因素，本发明用式（14)描述物流RFID网 络的成本。
(14)
5. 如权利要求1所述的基于鲁椿粒子群优化的不确定物流RFID阅读器部署方法，其特 征在于，所述综合考虑覆盖率、冲突程度、成本，建立电子标签位置不确定的物流RFID阅读 器部署优化模型包含： 综合考虑物流RFID网络的覆盖率、冲突程度、成本，建立物流RFID阅读器部署优化模 型，目标函数为： maxf= 丫ifi+丫2'2+丫sfs(15) 其中，丫。丫2,丫巧权重系数，丫1+丫2+丫3= 1。 要求使用的任一阅读器必须在物流RFID网络所处区域