[发明专利]基于多维云分布天牛群优化算法及在RFID应用系统中的应用

说明书

本发明针对现有技术中天牛群优化算法还存在收敛精度低、前期局部搜索能力弱、可能会错过搜寻全局最优解的机会以及没有利用种群分布信息和算法运行历史信息的不足，提出了一种于多维云分布天牛群优化算法及在RFID应用系统中的应用，属于RFID应用及系统优化技术领域，包括：构建天牛群优化算法求解多目标优化问题的流程；利用云模型描述天牛群分布信息和算法运行历史信息，形成天牛群的映射种群；比较天牛群与映射种群的个体，更新个体最优与全局最优。本发明通过逆向云发生器提取当前种群各维度上的期望、熵和超熵等值，再使用正向云发生器来生成新的天牛种群，由此来生成下一代种群，在处理多峰问题及多目标问题上优于其他算法，性能得到提升。

技术领域

本发明属于RFID应用及系统优化技术领域，具体涉及一种基于多维云分布天牛群优化算法及在RFID应用系统中的应用。

背景技术

射频识别(Radio Frequency Identification-RFID)技术是一种基于射频原理的非接触式自动识别技术。近年来，以RFID技术为核心的物联网应用不断扩展与增加，大量的具有不同应用要求的物联网RFID应用系统需要规划，如何高效规划一个物联网RFID应用系统，已成为RFID技术应用中一个非常重要和挑战性的任务。

一个RFID应用系统一般由RFID标签、阅读器以及计算机控制系统等部分组成。在规划一个大规模的物联网RFID应用系统时，需要同时考虑应用环境、覆盖率、干扰消除、负载平衡、识读率等许多因素，以保证系统的覆盖质量、连通质量和数据质量等性能，还需考虑系统的建设成本与周期等因素。随着RFID应用系统规模越来越庞大、复杂，需要考虑的因素、约束条件多,如果仅凭经验进行规划,往往需要反复、大量的尝试和修正，耗费大量的人、财和物力，且不易发现规划中的问题,也未必能获得优化的规划方案。如果在建设一个RFID应用系统之前，有若干全面充分考虑了各种因素的优化方案供选择，这将有力保证RFID应用系统的建设质量与性能。

规划建设一个RFID应用系统,涉及的因素多且复杂,需要考虑多个优化目标，属于典型的多目标优化问题，具有维数高、非线性等特性,常规的基于梯度的优化方法难于求解。对于这类多目标优化问题,其最优解不是一个解，而是Pareto非支配解集。智能优化算法在求解这类多目标优化问题时,因其一次运行可以得到多个可行解，己成为解决多目标优化问题的重要方法和手段。天牛群优化算法(Beetle Swarm Optimization Algorithm，BSO)是在天牛须搜索算法(Beetle Antennae Search Algorithm，BSA)的基础上最近才发展起来的一种新的智能优化算法，该算法模仿天牛使用触须觅食的行为，融合了粒子群优化算法与天牛须搜索算法的优点，具有简单的优化机制和更强的寻优表现。天牛群优化算法具备可调参数少、易于实现且全局寻优能力强等特点，目前已引起了优化领域的专家学者的广泛关注，提升天牛群优化算法的性能及求解多目标优化问题的能力并将其用于优化RFID物联网应用系统无论在理论还是应用方面都具有价值。

但是，天牛群优化算法还存在收敛精度低、前期局部搜索能力弱、可能会错过搜寻全局最优解的机会以及没有利用种群分布信息和算法运行历史信息的不足。

发明内容

本发明针对现有技术中天牛群优化算法还存在收敛精度低、前期局部搜索能力弱、可能会错过搜寻全局最优解的机会以及没有利用种群分布信息和算法运行历史信息的不足，提出了一种于多维云分布天牛群优化算法及在RFID应用系统中的应用，本发明利用多维云分布模型描述天牛群分布信息和算法运行历史信息，设计实现一个基于多维云分布天牛群优化算法，提升算法的性能。在此基础上,扩展天牛群优化算法求解多目标优化问题的能力，并针对RFID应用系统优化问题的多目标特性，构建天牛群优化算法求解该多目标优化问题的流程。采用最高排名法设计Pareto非支配解集产生的有效方法，通过拥挤距离计算与多样性处理、修剪与均匀分布处理，提供一种低复杂度、快速有效的优化物联网RFID应用系统的多维云分布天牛群优化方法。

本发明的发明目的是通过以下技术方案实现的：一种基于多维云分布天牛群优化算法，包括以下步骤: