摘 要：本文提出了一種具有馮諾依曼社會結(jié)構(gòu)的新型人工蜂群算法（VNABC）。本文采用四個(gè)測試函數(shù)驗(yàn)證VNABC算法性能，并將其應(yīng)用于求解射頻識別系統(tǒng)中的讀寫器網(wǎng)絡(luò)覆蓋和防沖突問題。試驗(yàn)結(jié)果表明，與基本人工蜂群算法和粒子群優(yōu)化算法比較，VNABC算法求解復(fù)雜優(yōu)化問題收斂速度較快、求解精度更高，從而為應(yīng)用智能方法求解RFID系統(tǒng)優(yōu)化問題提供了有效的可行方案。

關(guān)鍵詞：人工蜂群算法；馮諾依曼結(jié)構(gòu)；群體智能；RFID網(wǎng)絡(luò)優(yōu)化

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A

1 引言（Introduction）

射頻識別技術(shù)（Radio Frequency Identification， RFID）是對物理世界的信息進(jìn)行感知和采集的物聯(lián)網(wǎng)支撐技術(shù)，被列為本世紀(jì)十大重要技術(shù)之一[1]。在大規(guī)模RFID應(yīng)用中，在工作區(qū)域內(nèi)部署多個(gè)RFID讀寫器，構(gòu)成密集讀寫器網(wǎng)絡(luò)。網(wǎng)絡(luò)中每個(gè)RFID讀寫器分別對其識讀區(qū)域內(nèi)的電子標(biāo)簽進(jìn)行讀寫，并將采集到的標(biāo)簽數(shù)據(jù)發(fā)送到中央控制系統(tǒng)進(jìn)行處理。由于密集讀寫器網(wǎng)絡(luò)要對物理環(huán)境中海量標(biāo)簽進(jìn)行全方位覆蓋（防止漏讀），某些讀寫器不可避免地會發(fā)生識讀區(qū)域的相互重疊情況[2]。

人工蜂群算法（Artificial Bee Colony，ABC）是近幾年來最流行的一種基于蜜蜂覓食行為的智能優(yōu)化算法，由土耳其Erciyes大學(xué)的Karabog教授于2005年第一次提出[3]。ABC算法自提出以來，就以概念簡單、控制參數(shù)少、算法容易實(shí)現(xiàn)、優(yōu)化效果良好等優(yōu)點(diǎn)吸引了大批學(xué)者進(jìn)行研究，并逐漸進(jìn)入到了各個(gè)應(yīng)用領(lǐng)域[4]。但是，基本ABC算法是典型的高度連接網(wǎng)絡(luò)結(jié)構(gòu)，其快速收斂的代價(jià)則是容易陷入局部最優(yōu)值，這主要是因?yàn)楦叨冗B接的網(wǎng)絡(luò)中的個(gè)體對搜索空間的覆蓋程度不如較少連接的網(wǎng)絡(luò)結(jié)構(gòu)。

本文將馮諾依曼結(jié)構(gòu)[5]引入ABC中，提出一種具有馮諾依曼信息交流拓?fù)浣Y(jié)構(gòu)的新型人工蜂群算法（Von Neumann Artificial Bee Colony Algorithm，VNABC）。仿真實(shí)驗(yàn)首先采用四個(gè)測試函數(shù)驗(yàn)證VNABC算法性能，然后應(yīng)用VNABC對具有10個(gè)讀寫器的RFID網(wǎng)絡(luò)實(shí)例系統(tǒng)優(yōu)化問題進(jìn)行求解。RFID系統(tǒng)優(yōu)化包括兩個(gè)目標(biāo)，即最大化標(biāo)簽覆蓋率和最小化網(wǎng)絡(luò)中的讀寫器沖突。仿真結(jié)果表明，與基本ABC算法與粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法相比，本文提出的VNABC算法能夠更加有效地求解RFID系統(tǒng)優(yōu)化問題。

2 馮諾依曼人工蜂群算法（Von Neumann artificial

bee colony algorithm）

驅(qū)動群體智能算法工作的本質(zhì)是社會交流。種群里的個(gè)體根據(jù)自己通過社會交流得到的知識相互學(xué)習(xí)以向更好的位置移動。為此，本文將馮諾依曼信息交流拓?fù)浣Y(jié)構(gòu)引入最近提出的人工蜂群優(yōu)化算法中，旨在解決其在求解復(fù)雜優(yōu)化問題時(shí)的早熟收斂問題。

2.1 VNABC算法模型

在ABC算法中主要包括三種元素：食物源、雇傭蜂（employed bees）和非雇傭蜂（unemployed bees）；其中的非雇傭蜂又包括了：觀察蜂（onlooker bees）和偵查蜂（scouts）?；続BC算法中在新解產(chǎn)生時(shí)，是以原解為基礎(chǔ)隨機(jī)向任一其他解的任一維度進(jìn)行學(xué)習(xí)，這是隨機(jī)式的信息學(xué)習(xí)策略。在VNABC算法中，群體已經(jīng)有特殊拓?fù)浣Y(jié)構(gòu)，因此在這里采用的精英學(xué)習(xí)策略，即每個(gè)個(gè)體向馮諾依曼社會結(jié)構(gòu)構(gòu)建的本身鄰域內(nèi)最優(yōu)個(gè)體進(jìn)行學(xué)習(xí)，而不再是隨機(jī)挑選其他個(gè)體。VNABC算法的具體步驟如下：

在VNABC算法的初始階段：產(chǎn)生隨機(jī)分布的SN個(gè)解，即食物源位置。每個(gè)解是一個(gè)D維的向量，D是待優(yōu)化參數(shù)的個(gè)數(shù)。然后對解進(jìn)行評估，得到其適應(yīng)度值fit。

在雇傭蜂階段：每個(gè)雇傭蜂根據(jù)公式（1）在當(dāng)前食物源位置的周圍找到一個(gè)新的位置，即產(chǎn)生一個(gè)新的解。

（1）

這里，（1，2，...，SN）和（1，2，...，D） 是隨機(jī)選擇的索引，并且，是在[-1，1]之間產(chǎn)生的一個(gè)隨機(jī)數(shù)。然后比較新產(chǎn)生解的值和原解的值，根據(jù)貪婪算法選擇好的一個(gè)作為其對應(yīng)的食物源位置。

在觀察蜂階段：每個(gè)觀察蜂根據(jù)臨域內(nèi)雇傭蜂分享的食物源適應(yīng)度值的信息，以一定概率選擇一個(gè)食物源。表1給出了VNABC算法中馮諾依曼社會結(jié)構(gòu)的構(gòu)建策略。

表1 馮諾依曼形拓?fù)浣Y(jié)構(gòu)構(gòu)造方法

Tab.1 Von Neumann shaped topology construction method

選擇概率以公式（2）進(jìn)行計(jì)算：

（2）

在偵查蜂階段：如果一個(gè)食物源的適應(yīng)值經(jīng)過limit次循環(huán)之后沒有得到改善，則該食物源位置將被移除。與該食物源對應(yīng)的雇傭蜂變成偵查蜂。偵查蜂根據(jù)公式（3）隨機(jī)產(chǎn)生一個(gè)新的食物源位置：

（3）

這里和是參數(shù)的上、下邊界。

以上步驟將被重復(fù)MCN次或者直到某個(gè)終止條件達(dá)到滿足。

2.2 函數(shù)測試

為了測試VNABC算法的性能，選擇了常用的一組標(biāo)準(zhǔn)測試函數(shù)，分別是Sphere、Rosenbrock、Rastrigrin和Griewank。并將算法與基本ABC、PSO進(jìn)行了比較。測試函數(shù)表達(dá)式如下所示：

Sphere函數(shù)是單峰函數(shù)，很容易求解。該函數(shù)在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-5.12，5.12]。Sphere函數(shù)表達(dá)式：

（4）

Rosenbrock函數(shù)是多峰函數(shù)，在解（1，1，…，1）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-15，15]。該函數(shù)在全局最優(yōu)點(diǎn)附近有一個(gè)狹窄的波谷，因此優(yōu)化方法很難收斂到全局最優(yōu)點(diǎn)。Rosenbrock函數(shù)表達(dá)式：endprint

（5）

Rastrigin函數(shù)是一個(gè)復(fù)雜的多峰函數(shù)，很難求解。該函數(shù)在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-15，15]。該函數(shù)存在大量局部最優(yōu)點(diǎn)，因此優(yōu)化算法極容易選入其中而未能求得全局最優(yōu)值。Rastrigin函數(shù)表達(dá)式：

（6）

Griewank在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-600， 600]。該函數(shù)有一個(gè)乘積項(xiàng)，使得變量之間相互依賴，因此該函數(shù)很難求解到全局最優(yōu)點(diǎn)。Griewank函數(shù)也是多峰函數(shù)，表達(dá)式：

（7）

在本實(shí)驗(yàn)中，所有測試函數(shù)均設(shè)為30維。種群大小均為100。PSO慣性權(quán)重從0.9隨著迭代次數(shù)的增加線性下降到0.7，學(xué)習(xí)因子c1和c2均為2.0。實(shí)驗(yàn)結(jié)果包括算法獨(dú)立運(yùn)行30次后函數(shù)的平均值，數(shù)據(jù)如表2所示。

表2 測試函數(shù)實(shí)驗(yàn)結(jié)果

Tab.2 The experimental results of test function

由實(shí)驗(yàn)結(jié)果可以看出，VNABC算法在復(fù)雜多峰函數(shù)Rosenbrock、Rastrigin和Griewank函數(shù)上要明顯優(yōu)于其他算法，而PSO算法在單峰函數(shù)Sphere上表現(xiàn)出了較高的性能。ABC算法在四個(gè)算法中表現(xiàn)相對較差。

3 RFID網(wǎng)絡(luò)優(yōu)化問題（RFID network optimization）

本文考慮RFID網(wǎng)絡(luò)標(biāo)簽覆蓋率和讀寫器防沖突建立RFID系統(tǒng)優(yōu)化的目標(biāo)函數(shù)，表示為：

（1）標(biāo)簽覆蓋率

（8）

其中，NT表示RFID網(wǎng)絡(luò)工作區(qū)域中的標(biāo)簽數(shù)量，表示第i個(gè)標(biāo)簽接收到的讀寫器信號強(qiáng)度，Pd表示保證標(biāo)簽和讀寫器能夠建立有效連接的最小場強(qiáng)閾值。該目標(biāo)函數(shù)能夠?qū)⒆x寫器定位在標(biāo)簽密集的區(qū)域，并通過調(diào)整讀寫器發(fā)射功率來最大化工作區(qū)域中的RFID標(biāo)簽覆蓋率。

（2）讀寫器防沖突

（9）

在該模型中用實(shí)數(shù)編碼的形式直接解決防沖突的問題。其中M表示工作區(qū)域中的讀寫器數(shù)量，函數(shù)dist（）表示兩兩讀寫器間的距離計(jì)算，Ri和Rj分別表示讀寫器i和j的實(shí)際位置，ri和rj則表示這兩個(gè)讀寫器的識讀范圍。該目標(biāo)函數(shù)通過調(diào)整讀寫器的實(shí)際位置，即使兩兩讀寫器間的實(shí)際距離大于等于其識讀距離之和，盡量使讀寫器的識讀區(qū)域不發(fā)生重疊，從而達(dá)到防沖突的目的。

總目標(biāo)函數(shù)為標(biāo)簽覆蓋率和讀寫器防沖突的加權(quán)函數(shù)。

（10）

4 基于VNABC的RIFD網(wǎng)絡(luò)優(yōu)化（RIFD network

optimization based on VNABC）

在仿真試驗(yàn)中，讀寫器工作區(qū)域?yàn)?0m×30m的正方形，其中隨機(jī)分布著100個(gè)RFID標(biāo)簽。由十個(gè)讀寫器組成的RFID網(wǎng)絡(luò)對該工作區(qū)域中的標(biāo)簽進(jìn)行數(shù)據(jù)采集。

實(shí)驗(yàn)一，只考慮工作環(huán)境中RFID標(biāo)簽覆蓋率的優(yōu)化結(jié)果。從仿真結(jié)果圖中可以觀察到，VNABC算法通過調(diào)整讀寫器空間位置和發(fā)射功率來獲得合適的標(biāo)簽覆蓋率，有效地將讀寫器定位在標(biāo)簽密集的區(qū)域，發(fā)現(xiàn)的最終解也要好于ABC和PSO算法。

實(shí)驗(yàn)二，只考慮降低網(wǎng)絡(luò)中RFID讀寫器信號干擾的優(yōu)化結(jié)果。同樣，VNABC以較快的收斂速度發(fā)現(xiàn)較好的最終解。從仿真結(jié)果中可以觀察到，VNABC算法通過調(diào)整讀寫器空間位置和發(fā)射功率來盡量使讀寫器間的信號覆蓋區(qū)域不發(fā)生重疊。

實(shí)驗(yàn)三，綜合考慮兩種因素的RFID網(wǎng)絡(luò)優(yōu)化。結(jié)果顯示VNABC算法取得的結(jié)果仍然好于其他兩種方法。

5 結(jié)論（Conclusion）

本文的研究包括兩個(gè)個(gè)方面：第一，提出了一種基于馮諾依曼社會結(jié)構(gòu)的新型人工蜂群優(yōu)化算法—VNABC。該算法具有更強(qiáng)的穩(wěn)定性和整體優(yōu)化性，在標(biāo)準(zhǔn)測試函數(shù)上的性能驗(yàn)證表明，所提出算法在收斂速度、跳出局部最優(yōu)等性能方面均優(yōu)于基本ABC算法和PSO算法，具有良好的工程應(yīng)用前景。第二，將VNABC應(yīng)用于求解RFID網(wǎng)絡(luò)標(biāo)簽覆蓋和防沖突優(yōu)化問題，并給出了具體實(shí)例的仿真分析，從而進(jìn)一步驗(yàn)證本文提出的模型和算法的有效性。

參考文獻(xiàn)（References）

[1] 劉化君.物聯(lián)網(wǎng)關(guān)鍵技術(shù)研究[J].計(jì)算機(jī)時(shí)代，2010（07）：4-6.

[2] 張光山，張爍，張有光.基于隨機(jī)時(shí)隙的RFID讀寫器防沖突方

法[J].北京航空航天大學(xué)學(xué)報(bào)，2013（6）：782-786.

[3] Karaboga D，Basturk B.On the performance of artificial beecolony

（ABC） algorithm[J].Applied Soft Computing，2008：687-689.

[4] 程曉雅.人工蜂群算法理論及其在通信中的應(yīng)用研究[D].山

東大學(xué)，2012.

[5] A.P.Engelbrecht.Fundamentals of Computational Swarm

Intelligence.Wiley Publishing，Inc.2009.

作者簡介：

蘇紅麗（1979-），女，碩士，講師.研究領(lǐng)域：計(jì)算機(jī)網(wǎng)絡(luò).endprint

（5）

Rastrigin函數(shù)是一個(gè)復(fù)雜的多峰函數(shù)，很難求解。該函數(shù)在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-15，15]。該函數(shù)存在大量局部最優(yōu)點(diǎn)，因此優(yōu)化算法極容易選入其中而未能求得全局最優(yōu)值。Rastrigin函數(shù)表達(dá)式：

（6）

Griewank在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-600， 600]。該函數(shù)有一個(gè)乘積項(xiàng)，使得變量之間相互依賴，因此該函數(shù)很難求解到全局最優(yōu)點(diǎn)。Griewank函數(shù)也是多峰函數(shù)，表達(dá)式：

（7）

在本實(shí)驗(yàn)中，所有測試函數(shù)均設(shè)為30維。種群大小均為100。PSO慣性權(quán)重從0.9隨著迭代次數(shù)的增加線性下降到0.7，學(xué)習(xí)因子c1和c2均為2.0。實(shí)驗(yàn)結(jié)果包括算法獨(dú)立運(yùn)行30次后函數(shù)的平均值，數(shù)據(jù)如表2所示。

表2 測試函數(shù)實(shí)驗(yàn)結(jié)果

Tab.2 The experimental results of test function

由實(shí)驗(yàn)結(jié)果可以看出，VNABC算法在復(fù)雜多峰函數(shù)Rosenbrock、Rastrigin和Griewank函數(shù)上要明顯優(yōu)于其他算法，而PSO算法在單峰函數(shù)Sphere上表現(xiàn)出了較高的性能。ABC算法在四個(gè)算法中表現(xiàn)相對較差。

3 RFID網(wǎng)絡(luò)優(yōu)化問題（RFID network optimization）

本文考慮RFID網(wǎng)絡(luò)標(biāo)簽覆蓋率和讀寫器防沖突建立RFID系統(tǒng)優(yōu)化的目標(biāo)函數(shù)，表示為：

（1）標(biāo)簽覆蓋率

（8）

其中，NT表示RFID網(wǎng)絡(luò)工作區(qū)域中的標(biāo)簽數(shù)量，表示第i個(gè)標(biāo)簽接收到的讀寫器信號強(qiáng)度，Pd表示保證標(biāo)簽和讀寫器能夠建立有效連接的最小場強(qiáng)閾值。該目標(biāo)函數(shù)能夠?qū)⒆x寫器定位在標(biāo)簽密集的區(qū)域，并通過調(diào)整讀寫器發(fā)射功率來最大化工作區(qū)域中的RFID標(biāo)簽覆蓋率。

（2）讀寫器防沖突

（9）

在該模型中用實(shí)數(shù)編碼的形式直接解決防沖突的問題。其中M表示工作區(qū)域中的讀寫器數(shù)量，函數(shù)dist（）表示兩兩讀寫器間的距離計(jì)算，Ri和Rj分別表示讀寫器i和j的實(shí)際位置，ri和rj則表示這兩個(gè)讀寫器的識讀范圍。該目標(biāo)函數(shù)通過調(diào)整讀寫器的實(shí)際位置，即使兩兩讀寫器間的實(shí)際距離大于等于其識讀距離之和，盡量使讀寫器的識讀區(qū)域不發(fā)生重疊，從而達(dá)到防沖突的目的。

總目標(biāo)函數(shù)為標(biāo)簽覆蓋率和讀寫器防沖突的加權(quán)函數(shù)。

（10）

4 基于VNABC的RIFD網(wǎng)絡(luò)優(yōu)化（RIFD network

optimization based on VNABC）

在仿真試驗(yàn)中，讀寫器工作區(qū)域?yàn)?0m×30m的正方形，其中隨機(jī)分布著100個(gè)RFID標(biāo)簽。由十個(gè)讀寫器組成的RFID網(wǎng)絡(luò)對該工作區(qū)域中的標(biāo)簽進(jìn)行數(shù)據(jù)采集。

實(shí)驗(yàn)一，只考慮工作環(huán)境中RFID標(biāo)簽覆蓋率的優(yōu)化結(jié)果。從仿真結(jié)果圖中可以觀察到，VNABC算法通過調(diào)整讀寫器空間位置和發(fā)射功率來獲得合適的標(biāo)簽覆蓋率，有效地將讀寫器定位在標(biāo)簽密集的區(qū)域，發(fā)現(xiàn)的最終解也要好于ABC和PSO算法。

實(shí)驗(yàn)二，只考慮降低網(wǎng)絡(luò)中RFID讀寫器信號干擾的優(yōu)化結(jié)果。同樣，VNABC以較快的收斂速度發(fā)現(xiàn)較好的最終解。從仿真結(jié)果中可以觀察到，VNABC算法通過調(diào)整讀寫器空間位置和發(fā)射功率來盡量使讀寫器間的信號覆蓋區(qū)域不發(fā)生重疊。

實(shí)驗(yàn)三，綜合考慮兩種因素的RFID網(wǎng)絡(luò)優(yōu)化。結(jié)果顯示VNABC算法取得的結(jié)果仍然好于其他兩種方法。

5 結(jié)論（Conclusion）

本文的研究包括兩個(gè)個(gè)方面：第一，提出了一種基于馮諾依曼社會結(jié)構(gòu)的新型人工蜂群優(yōu)化算法—VNABC。該算法具有更強(qiáng)的穩(wěn)定性和整體優(yōu)化性，在標(biāo)準(zhǔn)測試函數(shù)上的性能驗(yàn)證表明，所提出算法在收斂速度、跳出局部最優(yōu)等性能方面均優(yōu)于基本ABC算法和PSO算法，具有良好的工程應(yīng)用前景。第二，將VNABC應(yīng)用于求解RFID網(wǎng)絡(luò)標(biāo)簽覆蓋和防沖突優(yōu)化問題，并給出了具體實(shí)例的仿真分析，從而進(jìn)一步驗(yàn)證本文提出的模型和算法的有效性。

參考文獻(xiàn)（References）

[1] 劉化君.物聯(lián)網(wǎng)關(guān)鍵技術(shù)研究[J].計(jì)算機(jī)時(shí)代，2010（07）：4-6.

[2] 張光山，張爍，張有光.基于隨機(jī)時(shí)隙的RFID讀寫器防沖突方

法[J].北京航空航天大學(xué)學(xué)報(bào)，2013（6）：782-786.

[3] Karaboga D，Basturk B.On the performance of artificial beecolony

（ABC） algorithm[J].Applied Soft Computing，2008：687-689.

[4] 程曉雅.人工蜂群算法理論及其在通信中的應(yīng)用研究[D].山

東大學(xué)，2012.

[5] A.P.Engelbrecht.Fundamentals of Computational Swarm

Intelligence.Wiley Publishing，Inc.2009.

作者簡介：

蘇紅麗（1979-），女，碩士，講師.研究領(lǐng)域：計(jì)算機(jī)網(wǎng)絡(luò).endprint

（5）

Rastrigin函數(shù)是一個(gè)復(fù)雜的多峰函數(shù)，很難求解。該函數(shù)在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-15，15]。該函數(shù)存在大量局部最優(yōu)點(diǎn)，因此優(yōu)化算法極容易選入其中而未能求得全局最優(yōu)值。Rastrigin函數(shù)表達(dá)式：

（6）

Griewank在解（0，0，…，0）處取得全局最優(yōu)值0。函數(shù)的初始范圍為[-600， 600]。該函數(shù)有一個(gè)乘積項(xiàng)，使得變量之間相互依賴，因此該函數(shù)很難求解到全局最優(yōu)點(diǎn)。Griewank函數(shù)也是多峰函數(shù)，表達(dá)式：

（7）

在本實(shí)驗(yàn)中，所有測試函數(shù)均設(shè)為30維。種群大小均為100。PSO慣性權(quán)重從0.9隨著迭代次數(shù)的增加線性下降到0.7，學(xué)習(xí)因子c1和c2均為2.0。實(shí)驗(yàn)結(jié)果包括算法獨(dú)立運(yùn)行30次后函數(shù)的平均值，數(shù)據(jù)如表2所示。

表2 測試函數(shù)實(shí)驗(yàn)結(jié)果

Tab.2 The experimental results of test function

由實(shí)驗(yàn)結(jié)果可以看出，VNABC算法在復(fù)雜多峰函數(shù)Rosenbrock、Rastrigin和Griewank函數(shù)上要明顯優(yōu)于其他算法，而PSO算法在單峰函數(shù)Sphere上表現(xiàn)出了較高的性能。ABC算法在四個(gè)算法中表現(xiàn)相對較差。

3 RFID網(wǎng)絡(luò)優(yōu)化問題（RFID network optimization）

本文考慮RFID網(wǎng)絡(luò)標(biāo)簽覆蓋率和讀寫器防沖突建立RFID系統(tǒng)優(yōu)化的目標(biāo)函數(shù)，表示為：

（1）標(biāo)簽覆蓋率

（8）

其中，NT表示RFID網(wǎng)絡(luò)工作區(qū)域中的標(biāo)簽數(shù)量，表示第i個(gè)標(biāo)簽接收到的讀寫器信號強(qiáng)度，Pd表示保證標(biāo)簽和讀寫器能夠建立有效連接的最小場強(qiáng)閾值。該目標(biāo)函數(shù)能夠?qū)⒆x寫器定位在標(biāo)簽密集的區(qū)域，并通過調(diào)整讀寫器發(fā)射功率來最大化工作區(qū)域中的RFID標(biāo)簽覆蓋率。

（2）讀寫器防沖突

（9）

在該模型中用實(shí)數(shù)編碼的形式直接解決防沖突的問題。其中M表示工作區(qū)域中的讀寫器數(shù)量，函數(shù)dist（）表示兩兩讀寫器間的距離計(jì)算，Ri和Rj分別表示讀寫器i和j的實(shí)際位置，ri和rj則表示這兩個(gè)讀寫器的識讀范圍。該目標(biāo)函數(shù)通過調(diào)整讀寫器的實(shí)際位置，即使兩兩讀寫器間的實(shí)際距離大于等于其識讀距離之和，盡量使讀寫器的識讀區(qū)域不發(fā)生重疊，從而達(dá)到防沖突的目的。

總目標(biāo)函數(shù)為標(biāo)簽覆蓋率和讀寫器防沖突的加權(quán)函數(shù)。

（10）

4 基于VNABC的RIFD網(wǎng)絡(luò)優(yōu)化（RIFD network

optimization based on VNABC）

在仿真試驗(yàn)中，讀寫器工作區(qū)域?yàn)?0m×30m的正方形，其中隨機(jī)分布著100個(gè)RFID標(biāo)簽。由十個(gè)讀寫器組成的RFID網(wǎng)絡(luò)對該工作區(qū)域中的標(biāo)簽進(jìn)行數(shù)據(jù)采集。

實(shí)驗(yàn)一，只考慮工作環(huán)境中RFID標(biāo)簽覆蓋率的優(yōu)化結(jié)果。從仿真結(jié)果圖中可以觀察到，VNABC算法通過調(diào)整讀寫器空間位置和發(fā)射功率來獲得合適的標(biāo)簽覆蓋率，有效地將讀寫器定位在標(biāo)簽密集的區(qū)域，發(fā)現(xiàn)的最終解也要好于ABC和PSO算法。

實(shí)驗(yàn)二，只考慮降低網(wǎng)絡(luò)中RFID讀寫器信號干擾的優(yōu)化結(jié)果。同樣，VNABC以較快的收斂速度發(fā)現(xiàn)較好的最終解。從仿真結(jié)果中可以觀察到，VNABC算法通過調(diào)整讀寫器空間位置和發(fā)射功率來盡量使讀寫器間的信號覆蓋區(qū)域不發(fā)生重疊。

實(shí)驗(yàn)三，綜合考慮兩種因素的RFID網(wǎng)絡(luò)優(yōu)化。結(jié)果顯示VNABC算法取得的結(jié)果仍然好于其他兩種方法。

5 結(jié)論（Conclusion）

本文的研究包括兩個(gè)個(gè)方面：第一，提出了一種基于馮諾依曼社會結(jié)構(gòu)的新型人工蜂群優(yōu)化算法—VNABC。該算法具有更強(qiáng)的穩(wěn)定性和整體優(yōu)化性，在標(biāo)準(zhǔn)測試函數(shù)上的性能驗(yàn)證表明，所提出算法在收斂速度、跳出局部最優(yōu)等性能方面均優(yōu)于基本ABC算法和PSO算法，具有良好的工程應(yīng)用前景。第二，將VNABC應(yīng)用于求解RFID網(wǎng)絡(luò)標(biāo)簽覆蓋和防沖突優(yōu)化問題，并給出了具體實(shí)例的仿真分析，從而進(jìn)一步驗(yàn)證本文提出的模型和算法的有效性。

參考文獻(xiàn)（References）

[1] 劉化君.物聯(lián)網(wǎng)關(guān)鍵技術(shù)研究[J].計(jì)算機(jī)時(shí)代，2010（07）：4-6.

[2] 張光山，張爍，張有光.基于隨機(jī)時(shí)隙的RFID讀寫器防沖突方

法[J].北京航空航天大學(xué)學(xué)報(bào)，2013（6）：782-786.

[3] Karaboga D，Basturk B.On the performance of artificial beecolony

（ABC） algorithm[J].Applied Soft Computing，2008：687-689.

[4] 程曉雅.人工蜂群算法理論及其在通信中的應(yīng)用研究[D].山

東大學(xué)，2012.

[5] A.P.Engelbrecht.Fundamentals of Computational Swarm

Intelligence.Wiley Publishing，Inc.2009.

作者簡介：

蘇紅麗（1979-），女，碩士，講師.研究領(lǐng)域：計(jì)算機(jī)網(wǎng)絡(luò).endprint