随着室内定位技术的飞速发展,射频识别(Radio Frequency Identification,RFID)技术以其非接触、快速识别等优点成为解决问题的首选方案。针对目前室内定位算法的精度容易受到标签密度和算法效率的影响及对动态环境适应性不足的问题,文...随着室内定位技术的飞速发展,射频识别(Radio Frequency Identification,RFID)技术以其非接触、快速识别等优点成为解决问题的首选方案。针对目前室内定位算法的精度容易受到标签密度和算法效率的影响及对动态环境适应性不足的问题,文中提出了一种蝗虫群优化(Grasshopper Optimization Algorithm,GOA)和极限学习机(Extreme Learning Machine,ELM)相结合的RFID室内定位算法。该算法通过蝗虫群优化对极限学习机随机产生的输入层权值和隐含层阈值进行选择,以提升极限学习机的性能,从而在离线阶段减少学习时间;利用蝗虫群算法对极限学习机参数进行优化,有效克服环境以及信号强度值变化对定位精度的影响。通过实验研究了影响算法性能的因素,并验证了算法的有效性。与BP神经网络算法(NN-Based)和非度量多维尺度算法(NMDS-RFID)相比,所提算法的定位平均误差分别降低了22.32%和20.06%,平均执行时间分别减少了58.7%和7.55%。仿真和实验结果表明,所提算法在获得更精确的定位结果的同时降低了时间成本,并对环境变化具有较好的适应性。展开更多
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 Intellige...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 Intelligence,SI)算法在解决多目标优化问题方面得到了广泛的关注。文中提出了一种改进型灰狼算法(Improved Grey Wolf Optimizer,IGWO),利用高斯变异算子和惯性常量策略来实现RFID网络规划。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、避免信号干扰、消耗更少的功率4个目标的基础上,将所提算法与粒子群算法(Particle Swarm Optimization,PSO)、遗传算法(Genetic Algorithm,GA)、帝王蝶算法(Monarch Butterfly Algorithm,MMBO)进行了对比分析。实验结果表明,灰狼算法在RFID网络规划时表现更优异,在相同的实验环境下,相较于其他算法,IGWO的适应度值比GA提高了20.2%,比PSO提高了13.5%,比MMBO提高了9.66%;并且覆盖的标签数更多,可以更有效地求出最优化方案。展开更多
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...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)算法相比,MSSA算法的负载均衡提高了7.14%,经济效益提高了59.74%,阅读器干扰减少34.04%。展开更多