含不確定性的井下射頻識別閱讀器的高維多目標(biāo)優(yōu)化布局的制作方法
【技術(shù)領(lǐng)域】
[0001] 本專利屬于物聯(lián)網(wǎng)領(lǐng)域，特別是涉及煤礦安全的射頻識別閱讀器的布局問題。針 對煤礦井下的特點，在考慮識別精度、識別能力、抗干擾能力等多個性能指標(biāo)的基礎(chǔ)上，進(jìn) 一步結(jié)合識別范圍和成本等不確定性因素，構(gòu)建了含不確定性的煤礦井下射頻識別閱讀器 布局模型，進(jìn)一步給出基于高維多目標(biāo)不確定進(jìn)化優(yōu)化的布局方法，為決策者直接提供多 個高性價比的布局方案，實現(xiàn)對煤礦井下復(fù)雜環(huán)境中射頻識別閱讀器的優(yōu)化布局。
【背景技術(shù)】
[0002] 隨著礦山生產(chǎn)的現(xiàn)代化程度不斷提高，先進(jìn)的礦機設(shè)備正逐漸推動著礦山生產(chǎn)力 的提高，同時礦山生產(chǎn)井下的生命和財產(chǎn)安全越來越受到各級領(lǐng)導(dǎo)的重視，礦山現(xiàn)代化和 礦山安全化成為當(dāng)今礦山的主要目標(biāo)。
[0003] 無線射頻識別（Radio Frequencyldentify，RFID)技術(shù)是一種通過檢測目標(biāo)物體 對射頻電磁場的擾動從而獲得其相關(guān)特征信息的一種非接觸式自動識別技術(shù)，識別過程無 須人工干預(yù)，可識別快速移動的物體和同時識別多個標(biāo)簽，而且操作方便。RFID技術(shù)的出現(xiàn) 使礦井井下人員或設(shè)備的透明化管理變?yōu)楝F(xiàn)實，通過在礦井巷道內(nèi)的關(guān)鍵點布置RFID閱 讀器來采集附著于人員或設(shè)備上的無線標(biāo)識卡（Tags)信息，后臺處理系統(tǒng)將這些標(biāo)簽信 息處理后，將被監(jiān)控人員或設(shè)備相關(guān)信息實時顯示在地面大屏幕上，從而實現(xiàn)礦井井下人 員或設(shè)備的透明化、數(shù)字化、信息化管理，提高礦井安全管理水平，加快搶險救災(zāi)的速度和 準(zhǔn)確性。但隨著巷道開采規(guī)模的擴大，RFID閱讀器網(wǎng)絡(luò)規(guī)模也變大，隨之產(chǎn)生了 RFID閱讀 器網(wǎng)絡(luò)規(guī)劃問題。從工程實際應(yīng)用出發(fā)，RFID閱讀器的部署方案直接影響整個RFID系統(tǒng) 實施的后續(xù)工作，不恰當(dāng)?shù)腞FID閱讀器布局方案將會使系統(tǒng)實施的后續(xù)工作部分或全部 失效，故需要對RFID閱讀器位置進(jìn)行科學(xué)合理的布局。
[0004] 關(guān)于RFID閱讀器的布局問題，近些年來已取得了許多豐碩的成果。針對煤礦井下 射頻識別閱讀器的布局優(yōu)化辦法，目前相關(guān)的文獻(xiàn)中提出的RFID網(wǎng)絡(luò)布局問題解決方法 主要是元啟發(fā)式算法。RFID網(wǎng)絡(luò)布局屬于組合優(yōu)化問題，元啟發(fā)式算法是目前被普遍認(rèn)為 在性能、可擴展性和易于實現(xiàn)性等方法面權(quán)衡后的最佳方法。但是，該類方法往往只針對 一類性能指標(biāo)，如精度，很少涉及布局建模的其他目標(biāo)屬性，如覆蓋率、抗干擾性等。近些年 來，隨著智能優(yōu)化算法的出現(xiàn)，已有不少研宄考慮RFID的多目標(biāo)布局優(yōu)化，在已有研宄成 果中，RFID閱讀器布局主要有以下三個目標(biāo)：（1)最大化地提高閱讀器所能覆蓋的范圍，使 被覆蓋到的標(biāo)簽容量盡可能大；（2)最小化地降低閱讀器的布局成本，以此減少RFID閱讀 器的個數(shù)；（3)最小化地減少閱讀器之間的交叉覆蓋率，從而降低它們之間的干擾水平。并 將智能優(yōu)化算法如遺傳算法、多目標(biāo)進(jìn)化優(yōu)化算法用于求解上述問題。但是，上述研宄成果 考慮的性能指標(biāo)仍然較少，且沒有考慮目標(biāo)中的不確定性，如經(jīng)濟性和抗干擾性等往往不 是一個確定數(shù)，而是在一定范圍內(nèi)變化的。
[0005] 鑒于上述研宄成果存在的不足，本發(fā)明專利進(jìn)一步考慮閱讀器與標(biāo)簽之間的距離 以及閱讀器讀寫的精度等因素，從而將該問題拓展為一個高維多目標(biāo)優(yōu)化問題。此外，考 慮閱讀器布局的價格和干擾水平為區(qū)間不確定數(shù)，更加真實地反映井下RFID閱讀器布局 的情形，并進(jìn)一步運用當(dāng)今處理多目標(biāo)問題十分成功的基于分解的多目標(biāo)進(jìn)化優(yōu)化算法 (MOEA/D)對不確定性模型進(jìn)行求解，MOEA/D算法是將進(jìn)化算法與傳統(tǒng)的數(shù)學(xué)規(guī)劃相融合 形成的一種非常新穎的解決多目標(biāo)優(yōu)化問題的進(jìn)化算法。MOEA/D算法將一個多目標(biāo)優(yōu)化問 題分解成N個單目標(biāo)優(yōu)化問題，在種群進(jìn)化過程中同時優(yōu)化這N個單目標(biāo)子優(yōu)化問題。每一 個單目標(biāo)優(yōu)化問題的目標(biāo)函數(shù)表示為與各個目標(biāo)函數(shù)值相關(guān)的聚合函數(shù)，每一個子問題的 解構(gòu)成了整個進(jìn)化種群，而每一個子問題是根據(jù)一個權(quán)向量由多目標(biāo)優(yōu)化問題轉(zhuǎn)化而來。 權(quán)向量之間的距離決定了單目標(biāo)子優(yōu)化問題之間的相鄰關(guān)系。每一個單目標(biāo)子優(yōu)化問題的 鄰域都是由與其權(quán)向量距離最近的T個權(quán)向量對應(yīng)子優(yōu)化問題構(gòu)成。在其最近鄰域里的子 優(yōu)化問題所獲得的最優(yōu)解在投影到?jīng)Q策空間后應(yīng)該很相近。因此，通過與其鄰域里其它子 優(yōu)化問題之間的進(jìn)化操作，MOEA/D算法可以實現(xiàn)多樣性，并保持其算法收斂。通過MOEA/D 算法可以取得多組可供決策者選擇的優(yōu)化結(jié)果，為煤礦井下射頻識別閱讀器布局提供更加 可行的方案。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的在于針對上述現(xiàn)有方法的不足，提出了一種基于高維多目標(biāo)進(jìn)化優(yōu) 化算法的井下RFID閱讀器布局方法。
[0007] 多目標(biāo)進(jìn)化優(yōu)化算法在諸多理論研宄方面取得的輝煌成就不斷推動著其在生產(chǎn) 生活中的應(yīng)用，體現(xiàn)了巨大的實踐價值。經(jīng)查閱相關(guān)文獻(xiàn)，目前尚無將該項技術(shù)應(yīng)用到井下 RFID讀寫器布局的先例，如能針對RFID讀寫器布局問題，設(shè)計出一套高效的優(yōu)化方法，將 大大減輕用戶的工作量，提高運算效率，同時也可考慮將其推廣到其它領(lǐng)域的布局優(yōu)化中， 實現(xiàn)更大的社會效益。
[0008] 本發(fā)明提出了一套完整的基于多目標(biāo)進(jìn)化優(yōu)化的井下射頻識別閱讀器的布局優(yōu) 化算法，包括基于對區(qū)間多目標(biāo)優(yōu)化算法的研宄，對井下巷道的分布進(jìn)行建模，并在模型中 加入不確定性，再利用多目標(biāo)優(yōu)化算法MOEA/D對其進(jìn)行求解。首先根據(jù)用戶的需要，設(shè)計 出井下巷道的分布模型，并將巷道的各個參數(shù)確定下來；然后，將確定好的巷道的參數(shù)代 入編寫好的MOEA/D的程序中；最后，基于參數(shù)值，進(jìn)行選擇、交叉和變異的操作，得到一組 目標(biāo)函數(shù)值的優(yōu)化組合，為用戶提供更滿足其要求的指標(biāo)值。重復(fù)上述過程，找到多組目標(biāo) 函數(shù)值繪制成pareto前沿。基于此，我們編寫了相應(yīng)的程序，其根本目的是為用戶在RFID 讀寫器布局優(yōu)化過程中，快速找到理想的位置，減輕工作量。算法的整體流程如圖1所示。
[0009] 本發(fā)明的特點在于：一是根據(jù)需布置RFID閱讀器的井下巷道情況，確定井下RFID 讀寫器布局的約束條件；給出含有5個性能指標(biāo)的RFID布局的多目標(biāo)模型，在此基礎(chǔ)上，給 出含區(qū)間不確定性的多目標(biāo)模型；二是利用區(qū)間分析方法，將含區(qū)間的5目標(biāo)轉(zhuǎn)化為7目標(biāo) 模型，并給出求解該7目標(biāo)優(yōu)化問題的M0EA/D方法，特別是相關(guān)參數(shù)的可行取值以及所得 實驗結(jié)果。鑒于此，本發(fā)明的主要內(nèi)容包括2大模塊，即含不確定性的煤礦井下射頻識別閱 讀器建模，以及基于高維多目標(biāo)M0EA/D算法的模型求解，分別介紹如下：
[0010] 1、井下RFID閱讀器布局的不確定模型構(gòu)建
[0011] 對要研宄的問題進(jìn)行數(shù)學(xué)建模是對該問題進(jìn)行優(yōu)化求解的必要前提。因此，在對 井下巷道進(jìn)行考察分析的基礎(chǔ)上，對巷道進(jìn)行簡化，進(jìn)而確定約束條件，在此基礎(chǔ)上，本專 利首先給出了煤礦井下射頻識別閱讀器布局的含有5個性能指標(biāo)的確定性的數(shù)學(xué)模型，然 后，進(jìn)一步考慮RFID的價格和抗干擾的區(qū)間特性，構(gòu)建出含有不確定性的布局優(yōu)化問題的 模型。
[0012] 步驟1 :定義構(gòu)建數(shù)學(xué)模型的基本符號，具體如下：
[0013] 1)T :區(qū)域內(nèi)的所有標(biāo)簽構(gòu)成的集合。
[0014] 2)t :Τ中的第t個標(biāo)簽。
[0015] 3) Rq:讀寫器一標(biāo)簽之間建立通信連接的信號強度閾值。
[0016] 4) Γ :區(qū)域內(nèi)擬布局的讀寫器構(gòu)成的集合。
[0017] 5)r :Γ中的第r個讀寫器。
[0018] 6)隊:讀寫器r所覆蓋的標(biāo)簽總數(shù)量。
[0019] 7) RS :讀寫器布局的可行解集，有g(shù)「.
[0020] 8)Td(r，t):標(biāo)簽t接收到來自讀寫器r的信號強度，其中r e RS，且當(dāng) Td (r，t)彡Rq時，兩者建立正常通信。
[0021] 步驟2 :基于巷道信息，確定約束條件。
[0022] 首先從煤礦獲得需要進(jìn)行RFID閱讀器布局的巷道信息，并進(jìn)行簡化，如圖2所示， 其中，巷道分布的橫縱坐標(biāo)，如（X 1, yi)，（x2, y2)，（x3, y3)，（x4, y4)在利用本專利時，可由操 作者根據(jù)巷道實際情況輸入。基于RFID布局的特點，這里考慮如下4個約束條件：
[0023] 約束一：每一個標(biāo)簽至少被一個讀寫器可識別到，即接收到的信號強度大于R,。
[0024] 約束二：閱讀器布局點的坐標(biāo)必須位于實際的巷道內(nèi)，例，在圖2所示簡化巷道環(huán) 境下，當(dāng)解在
【主權(quán)項】
1. 考慮了不確定性的煤礦井下射頻識別閱讀器布局的多目標(biāo)優(yōu)化求解方法，該方法將 整個優(yōu)化過程分為兩大步驟，具體包括以下內(nèi)容： (1) 含區(qū)間不確定性的煤礦井下射頻識別閱讀器布局的數(shù)學(xué)模型構(gòu)建，從井下巷道分 布布局、射頻識別閱讀器工作原理出發(fā)，構(gòu)建出了井下射頻識別閱讀器布局的多目標(biāo)模型， 在此基礎(chǔ)上又構(gòu)建了含區(qū)間不確定性的井下射頻識別閱讀器布局的多目標(biāo)模型。在所構(gòu)建 的模型中，充分考慮了覆蓋范圍、閱讀器的讀寫容量、閱讀器成本、干擾水平以及他們的精 度； (2) 基于分解的多目標(biāo)（MOEA/D)算法的處理不確定模型的優(yōu)化方法模塊，將區(qū)間不確 定多目標(biāo)模型轉(zhuǎn)化為確定的高維多目標(biāo)模型，然后運用MOEA/D算法，使用MATLAB編程對高 維多目標(biāo)模型進(jìn)行求解，得出可供煤礦設(shè)計者和領(lǐng)導(dǎo)決策的多個備選方案，并且進(jìn)一步給 出不同參數(shù)設(shè)置下的多類結(jié)果。
2. 權(quán)利要求1所述的煤礦井下射頻識別閱讀器布局優(yōu)化的目標(biāo)構(gòu)建，其特征在于考慮 了實際存在的不確定性，使得井下射頻識別閱讀器布局變成了一個區(qū)間多目標(biāo)優(yōu)化問題； 此外，考慮了更多性能指標(biāo)，使得該模型可以充分反映井下射頻識別閱讀器布局的多個方 面。
3. 權(quán)利要求1所述的用于煤礦井下射頻識別閱讀器布局優(yōu)化的多目標(biāo)進(jìn)化優(yōu)化算法， 其特征在于在將區(qū)間不確定多目標(biāo)優(yōu)化轉(zhuǎn)化為確定的高維多目標(biāo)優(yōu)化問題的基礎(chǔ)上，即將 區(qū)間中點與寬度分別作為目標(biāo)函數(shù)的方法，設(shè)計相應(yīng)的基于分解的多目標(biāo)進(jìn)化優(yōu)化方法求 解該模型。
【專利摘要】本發(fā)明公布了一種用于煤礦井下射頻識別閱讀器布局優(yōu)化的多目標(biāo)進(jìn)化優(yōu)化算法，指導(dǎo)用戶快速尋找滿意的RFID閱讀器布局，減輕用戶工作量，具體內(nèi)容包括：(1)煤礦井下RFID閱讀器布局的數(shù)學(xué)模型的構(gòu)建，給出井下巷道的分布模型以及約束條件、目標(biāo)函數(shù)和決策變量；(2)基于用戶輸入的數(shù)據(jù)，給出初始化的信息，即設(shè)定多目標(biāo)進(jìn)化優(yōu)化算法的參數(shù)值；(3)基于MOEA/D算法的多目標(biāo)進(jìn)化過程，即根據(jù)MOEA/D對目標(biāo)函數(shù)進(jìn)行多目標(biāo)優(yōu)化，實施基于分解的多目標(biāo)進(jìn)化操作，以生成滿足用戶要求的進(jìn)化種群。
【IPC分類】G06F17-50, G06Q10-04, G06Q50-02
【公開號】CN104700154
【申請?zhí)枴緾N201410812316
【發(fā)明人】孫曉燕, 張鵬飛, 時良振, 鞏敦衛(wèi), 陳楊, 朱利霞
【申請人】中國礦業(yè)大學(xué)
【公開日】2015年6月10日
【申請日】2014年12月23日