不确定环境下基于鲁棒粒子群优化的物流射频识别网络优化
针对电子标签位置不确定的物流射频识别(radio frequency identification,RFID)网络优化问题,综合考虑覆盖率、负载平衡程度、成本,建立了鲁棒优化模型.为求解负载平衡程度,采用基于Korobov点阵的蒙特卡洛方法.为减少计算量,提高算法寻优能力,提出一种基于不对称时变S-形(Sigmoid)函数的鲁棒粒子群算法(PSO).样本规模仅取部分较小整数、部分较大整数.仅在算法迭代后期,样本规模期望值大,保证算法开发精度;在较多迭代次数中,样本规模期望值小,加快算法探索速度.仿真实验表明,该方法具有较佳的搜索性能.
射频识别、网络优化、不确定、鲁棒、粒子群优化
31
TP18(自动化基础理论)
国家自然科学基金资助项目51279099;上海市科学技术委员会基金资助项目12ZR1412500;上海市教委科研创新基金重点资助项目13ZZ124;上海市教育委员会和上海市教育发展基金会“曙光计划”基金资助项目12SG40;交通运输部应用基础研究资助项目2013329810300
2014-05-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
319-326