基于生物行为的RFID系统优化模型与算法研究

RFID作为物联网的主要驱动技术，被列为本世纪十大重要技术之一。RFID系统优化是保障RFID系统稳定、可靠运行的基础，对RFID系统的效能提升至关重要。目前RFID系统优化在国内外尚处于研究起步阶段，其面对的优化问题具有模型复杂、多变量、多目标、动态性以及连续和整型变量混杂等特点，对高效智能优化方法及相关理论的研究与应用要求极高。课题将深入研究通用、可扩展的RFID系统优化模型，设计一整套高效、可靠的基于生物行为的智能优化方法，重点解决RFID实际大规模应用中读写器调度、网络负载均衡、标签覆盖以及多读写器数据融合等相关优化问题，从而提高RFID系统的运行效率和服务质量。课题的创新点体现在首次将基于生物行为的优化方法应用于RFID系统优化问题求解，其研究成果是RFID系统优化与生物启发式计算领域重要的应用基础性研究，必将深化和丰富已有的智能计算理论，驱动RFID技术的进一步推广和应用。

通过模拟自然界生物系统的进化机制与学习机理，构造相应的智能优化模型，从而设计高效的生物启发式计算方法解决复杂工程系统问题，一直是人工智能研究的重要途径。本项目以物联网环境下的RFID（Radio Frequency Identification）系统优化为研究对象，设计一系列基于生物行为的智能方法，重点解决RFID技术实际大规模应用中RFID系统优化问题，从而提高RFID系统的运行效率和服务质量。本项目深入研究了：RFID读写器调度、RFID 网络负载均衡、RFID标签覆盖与多源RFID数据融合等技术问题；细菌的趋化行为、群体感应机制和自适应搜索策略；植物个体动态性（包括个体的繁殖与死亡）与植物群落动态性（包括群落的形成、发展与演化）；蜜蜂个体在采蜜过程中状态的转换（包括局部开采状态与全局探索状态），以及蜂群的多种信息交流模式；多种群协同进化模式等科学问题。重要结果有：提出了面向大规模RFID系统管理的多目标、动态、离散优化模型；完成动态环境中细菌个体的自适应觅食行为仿真研究，完成基于环境变化的细菌种群动态性仿真研究，提出了集成自适应觅食、群体感应等机制的菌群优化模型与算法；完成基于形态素控制的植物根系主根、侧根生长优化模型与仿真研究，在国际生物启发式计算领域首次提出了植物根系觅食优化算法；提出变种群人工蜂群优化算法、多种群协同进化人工蜂群优化算法、多目标人工蜂群优化算法、离散人工蜂群算法等一系列人工蜂群改进算法，填补了蜂群觅食算法在多目标、离散优化领域的研究空白；完成大量基于智能算法的RFID系统优化实例求解，验证了所提出模型与方法的有效性与实用性。本项目研究成果是RFID系统优化与生物启发式计算领域重要的应用基础性研究，将深化和丰富已有的智能计算理论，驱动RFID技术的进一步推广和应用。