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...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.展开更多
文摘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.
