基于多智能体进化算法的RFID网络布局方法

摘要

本发明公开一种基于多智能体进化算法的RFID网络布局方法，属自动控制与信息技术领域。本发明将多智能体系统与进化计算相结合，用于求解RFID网络布局问题，其特征在于：首先根据两种算法初始化智能体网格中的每个智能体，然后设计了邻域竞争算子、邻域正交叉算子、变异算子、自学算子对智能体进行优化，验证结果表明，本发明在评定求解RFID网络布局问题方法效用的三个方面：求解读写器最大覆盖率，读写器最少个数和读写器最小干扰率，都很有优势，是一种有效的求解RFID网络布局问题的方法。

主权项

基于多智能体遗传算法的RFID网络布局方法，其特征是：包括如下步骤：步骤101：开始基于多智能体遗传算法的RFID网络布局方法；步骤102：设定多智能体遗传算法所需的参数；步骤103：初始化初代智能体网格L^t，其中种群代数t＝0,计算每个智能体覆盖率cov、有效读写器个数Nr、排布方案干扰率inf三项目标的值，确定任意两个智能体能量energy的大小；步骤104：对网格L^t中每个智能体执行邻域竞争算子，得到L^t+1/3；步骤105：对网格L^t中每个智能体执行邻域正交叉算子，得到L^t+2/3；步骤106：对L^t+2/3中的每个智能体执行变异算子，得到L^t+1；步骤107：从L^t+1中找出第t代种群最优解CBest^t，将自学习算子作用在其上；步骤108：如果energy(CBest^t+1)>energy(Best^t)，则把CBest^t+1的值赋予Best^t+1，否则，把Best^t的值赋予Best^t+1和CBest^t+1；步骤109：如果终止条件满足，即达到最大进化代数，则输出RFID网络布局结果，否则，令种群代数t的值自加1，并转向步骤104；步骤110：结束基于多智能体遗传算法的RFID网络布局算法；所述的步骤103中确定任意两个智能体能量energy的大小包括如下步骤：步骤201：开始比较任意两个智能体能量大小；步骤202：计算智能体L_i,j和L'_i,j的cov、Nr、inf三项目标的值；步骤203：如果L_i,j中cov的值大于L'_i,j中cov的值，转向步骤206；若L_i,j和L'_i,j中cov的值相同，转向步骤204；否则，转向步骤207；步骤204：如果L_i,j中Nr的值小于L'_i,j中Nr的值，转向步骤206；若L_i,j和L'_i,j中Nr的值相同，转向步骤205；否则，转向步骤207；步骤205：如果L_i,j中inf的值小于L'_i,j中inf的值，转向步骤206；否则，转向步骤207；步骤206：energy(L_i,j)>energy(L'_i,j)；步骤207：energy(L_i,j)<energy(L'_i,j)；步骤208：结束智能体初始化算法。