您现在的位置是：首页 > 技术资料 > 自适应高斯遍历和声搜索物联网射频识别均衡优化

推荐星级：

自适应高斯遍历和声搜索物联网射频识别均衡优化

更新时间：2019-12-08 15:06:34 大小：5M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网射频识别 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

针对物联网射频识别过程中存在的数据量过大、传统算法计算复杂度较高和识别准确率较低的问题,提出了自适应高斯遍历和声搜索(Gauss traversal and harmony search algorithm,GTHS)物联网射频识别优化算法.首先,基于和声搜索算法进行网络优化设计,针对标准HS在优化精度和计算复杂度等方面存在的问题,利用高斯函数的遍历特性对算法即兴创作过程引入控制参数,提高前后期搜索的针对性,并给出参数选取的理论分析;其次,对物联网射频识别优化模型进行研究,提出改进的自适应优化目标,实现性能指标的均衡优化;最后,将该算法与RPSOAS、CDE以及C-MC算法进行了实验对比分析,结果表明,所提GTHS算法在区域大小为1 000 mxl 000 m、标签数量为100 000的大型物联网RFID (radio frequency identification network)实验对象中,收敛精度为7.215 6,收敛精度提高29.6％以上.

部分文件列表

文件名	大小
自适应高斯遍历和声搜索物联网射频识别均衡优化.pdf	5M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

西南交通大学学报

V01．5l

No．4

第5l卷第4期

2016年8月

OF SOUTHWEST

UNIVERSITY

JIAOTONG

JOURNAL

Aug．2016

文章编号：0258-2724(2016)04-0776-09

DOI：10．3969／j．issn．0258-2724．2016．04．024

自适应高斯遍历和声搜索物联网

射频识别均衡优化

权华3

唐

(1．西南交通大学信息科学与技术学院，四川成都610031；2 西南科技大学计算机科学与技术学院，13tljI绵

陈立伟1’2，

阳621010；3．江西师范大学软件学院，江西南昌330022)

摘要：针对物联网射频识别过程中存在的数据量过大、传统算法计算复杂度较高和识别准确率较低的问题，

traversal and

提出了自适应高斯遍历和声搜索(Gauss

harmony

algorithm，GTHS)物联网射频识别优化算

法．首先，基于和声搜索算法进行网络优化设计，针对标准HS在优化精度和计算复杂度等方面存在的问题，利

用高斯函数的遍历特性对算法即兴创作过程引入控制参数，提高前后期搜索的针对性，并给出参数选取的理论

分析；其次，对物联网射频识别优化模型进行研究，提出改进的自适应优化目标，实现性能指标的均衡优化；最

后，将该算法与RPSOAS、CDE以及C—MC算法进行了实验对比分析，结果表明，所提GTHS算法在区域大小为

000 in

000

identification

m、标签数量为100 000的大型物联网RFID(radio frequency

network)实验对象中，

收敛精度为7．215 6，收敛精度提高29．6％以上．

关键词：物联网；射频识别；物流；高斯遍历；和声搜索；白适应

中图分类号：TPl8

文献标志码：A

of Radio

Identification with

Frequency

Adaptive

Optimization

and

Search Networkin Internet of

Gauss Traversal

Harmony

Things

CHEN Liwei

1一，TANG

Quanhua3

of Information Science and

Science and

(1．School

610031，China；2．School

Technology，Southwest Jiaotong University，Chengdu

Science and

Technology University，Mianyang 621010，China；

Computer

Technology，Southwest

3．School of

Normal

330022，China)

University，Nanchang

Software，Jangxi

in the radio

of lower

identification

handle the

amount of data and

overcome the

Abstract：To

large

complexity

frequency

of the Intemet of

in the traditional

and

process

things，and

disadvantages

complexity

recognition

was

to achieve the

search network

accuracy

of radio

algorithms，an algorithm

proposed

adaptive optimization

intemet

identification with Gauss traversal and

frequency

harmony

things．

of the

order to solve

wasused to

the

design

network．In

First，the harmony

algorithm

optimize

the

of the low

and

high computational complexity，the ergodicity

problems

optimizing accuracy

in the

of the

for

Gaussian function was

control

introducing parameter

improvisation

applied

the

process

for different evolution theoretical

periods．The

analysis

algorithm，which improves

selection was

pertinence

model of the radio

frequency

objective

parameter

presented

well．Secondly，the optimization

the

identification for the Internet of

was

studied，and

adaptive

optimization

things

improved

of the

was

to achieve the

index．Finally，the proposed

the RFID

proposed

was

equilibrium optimization

performance

with the

and C-MC

that，in

algorithm，showing

RPSOAS，CDE

algorithm

compared

2015-06-08

收稿日期：

基金项目：

国家科技支撑计划资助项目(2012BAH20F01)；四川省科技厅课题(2014GZX0009)

作者简介：陈立伟(1974一)，男，副教授，博士研究生，研究方向为信息处理、智能优化、射频网络识别，E-mail：chenleewei@163．com

引文格式：陈立伟，唐权华．自适应高斯遍历和声搜索物联网射频识别均衡优化[J]．西南交通大学学报，2016，51(4)：776-784．

万方数据

777

第4期

陈立伟，等：自适应高斯遍历和声搜索物联网射频-／e,；|J'l均衡优化

identification

with

000 m× 1 000

and the 1 00 000

region

(radio

frequeney

network)experiment

rate is 7．215

more than 29．6％．

tags，the

6，increased

convergence

words：internet

Key

things；radio frequency identification；logistics；Gauss traversal；harmony

search；adaptive

物联网(internet

提高了识别精度；文献[3]提出粒子群优化算法优

化射频识别网络规划算法，并且给出较为详细的理

论证明，为射频识别网络智能优化提供较完备的理

things)技术是信息发展的

重要内容，同时也是信息发展的重要阶段．物联网

实质是一种物物连接的网络，其含义有两层：一是

物联网基础是一种互联网，是该网络的扩展和延

伸；二是该网络的用户端可延伸至任何物物信息交

流．物联网是基于识别算法、智能系统感知和普适

计算的通信技术手段，其在网络融合过程中应用广

泛，也被称作继计算和互联网发展后的信息世界技

术进步的第三次革命．物联网本质是以互联网为基

础的应用拓展，对此，近年来随着物联网技术快速

identification

论依据；文献[4]提出混合改进粒子群优化算法的

的RFID网络优化过程，考虑采用不同优化算法组

合提高RFID网络的识别精度；文献[5]提出基于

邻域搜索的多样性增强粒子群优化算法对RFID

网络进行优化；文献[6]提出一种车削加工过程的

粒子群RFID网络优化算法，将其限定在特殊领

域，等．

发展，基于射频识别(radio

frequency

上述文献为节选的部分RFID网络优化算法

研究情况，这部分文献考虑的是较小规模的RFID

网络优化问题，但是在物联网RFID网络中，所需

处理的数据量及存储空间是巨大的，对于优化算法

的性能要求较为苛刻，同时在实际的物联网RFID

网络中，网络资源配置是实时变化的，因此固定模

式的搜索算法，并不能适应实际环境变化需要，并

且会导致算法的早熟和计算的高度复杂性．例如在

文献[2-6]中主要是借用粒子群算法对RFID网络

进行优化，但是并未对实时的进化过程信息进行考

虑，并采取针对性措施，且粒子群算法在计算复杂

度上并不具有优势"J．同时在目标函数使用中，上

述算法均使用固定权重的目标函数，这建立在各子

目标量级已知基础上，但实际RFID网络目标优化

过程中，上述子目标量级是未知的，这种假定前提

不符合实际情况，切不利于优化精度提高．

network，RFID)网络的物联网物流管理方式逐渐

兴起．RFID系统组成部分主要有3个：阅读器模

块、数据管理模块和电子标签．在网络中，通常电子

标签和阅读器模块相互搭配进行使用，其中，阅读

器模块配置的合理与否对于降低网络成本、减少电

子标签资源与阅读器模块间配置冲突具有关键性

的作用，是物联网科技中射频识别网络优化研究的

热点和关键性问题．

当前互联网逐渐进人大数据时代，物联网可产

生巨大的信息量，比如淘宝在“双十一”一天可生

成1．05亿次数据上传量，同时物联网科技发展迅

速，智慧城市、汽车工业、智慧医疗等发展均可推动

物联网产业发展．物联网生成的大数据同普通的大

数据相比，特点有所不同：首先，物联网生成的数据

具有多样性、异构性、非结构特性，同时其还具有高

增长特性；其次，物联网生成数据还具有颗粒特点，

数据中一般含有位置、行为和时间等数据信息；最

后，物联网生成的大数据类似于一种社交数据，不

过并非人与人社交信息，而是物人之间的协作信

息．这种带有社会属性的大数据，比较适合群智能

优化算法的应用．

针对上述两个方面，本文主要是利用和声搜索

算法对RFID网络优化问题进行研究，并考虑使用

自适应权重系数改进形式的物联网RFID网络目

search，HS)

标函数进行优化．和声搜索(harmony

算法是Geem等在2001年提出的智能优化算

法旧1，与传统智能优化算法相比，HS算法具有以

下几点优势一J：

对此，有学者致力于该领域研究，并已取得较

多成果．文献[1]中对射频识别网络重合程度、网

络覆盖率、组网成本、总能源消耗等资源优化问题

因素进行研究，分析射频识别网络性能影响因素，

构建适于优化算法的RFID网络计算模型，该模型

奠定了RFID智能算法网络优化的基础；文献[2]

提出基于粒子群改进优化的RFID网络优化算法，

(1)HS算法在生成新的和声时会考虑所有现

存和声，而粒子群等算法仅考虑父代个体；

(2)HS算法基于独立变量对新和声生成方式

进行调节；

(3)HS算法的即兴创作过程可采用随机数对

记忆库进行设计，本质上是一种全局随机搜索

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

自适应高斯遍历和声搜索物联网射频识别均衡优化

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页