答辩ppt模板

2020/5/19
优化部署后坐标
11/22
第三章 基于改进混沌粒子群优化算法的RFID网络部署优化
仿真结果分析
优化部署统计结果对比 2020/5/19 适应度值迭代曲线对比图
优化部署性能参数对比
Tent_PSO算法有效
12/22
第四章 基于EOBL_QPSO算法的多目标网络部署优化
问题提出
最小化问题：（信号强度、冲突 约束、密集程度、网络负载平衡）
1 , d (s, p) r re
g( a,b) Asi ( xi ag )2 ( xj bg )2 ri
5/22 2020/5/19
第二章 RFID网络部署模型
目标函数
覆盖率：
n
Ci
max R i1 n
交叉干扰水平： 信号强度：
n
Cij
max O 1 i1, j1, i j C
2020/5/19
第三章 基于改进混沌粒子群优化算法的RFID网络部署优化
参数选取实验
算法性能分析
测试函数
Ackley函数：
f1 20exp(0.2
1 n
n i1
xi2
) exp(1 n
n i1
cos 2
xi )
20 e,
15 xi 32
Easom函数： f2 cos(x1)cos(x2 )exp((x1 )2 (x2 )2) 100 xi 100, i 1, 2
2020/5/19
13/22
第四章 基于EOBL_QPSO算法的多目标网络部署优化
精英反向学习策略
主要思想：
对一个可行解，同时计算并评估其反向解，从中选择较优的解作为下一代个体
相关定义：
定义1 反向点（Opposite Point） 设 Xi ( xi1 , xi2 ,L , xiD )是D维空间中的一个点
问题提出
最大化问题：（覆盖率、交叉干扰水平）
n
n
Ci
Cij
max
f
w1
i1
n
w2
(1
i1, j1
C
)
Tent映射与Logistic映射：
Tent映射：
xn1
axn , a(1
xn
),
0 xn 0.5; 0.5 xn 1.
Logistic映射： xn1 xn (1 xn )
7/22 2020/5/19
第三章 基于改进混沌粒子群优化算法的RFID网络部署优化
Tent与Logistic映射性能对比实验
同时迭代30000次得到的（0,1）范围的分布图
Logistic映射的概率分布图
Tent映射的概率分布图
Logistic映射混沌序列分布特点：两头高，中间均匀 Tent映射整体分布均匀，更显优越
8/22
军事应 用
重大工程与 活动
存在的问题：
频率设定 天线技术 低功耗工艺技术 封装技术 定位与追溯技术 防碰撞技术 安全技术
百度文库
路由协议
网络部署
3/22 2020/5/19
第一章 绪论
覆盖问题研究现状
图论 • 准确度高、直观性强 • 考虑多种约束条件时，计算繁琐，
扩展性不强 智能算法 • 扩展性强，求解速度快 • 常用算法为遗传算法
itermax=250 c1=1.9
wmin=0.4 w1=0.9
wmax=0.9 w2 =0.1
评价个体
种群进化
结束 2020/5/19
初始化部署
Tent_PSO优化后部署
10/22
第三章 基于改进混沌粒子群优化算法的RFID网络部署优化
仿真结果
PSO算法优化部署
Logistic_PSO算法优化部署
论文主要内容与安排
1 绪论 2 RFID网络部署模型 3 基于改进混沌粒子群优化算法的RFID网络部署优化 4 基于EOBL_QPSO算法的多目标RFID网络部署优化
5 总结与展望
2/22 2020/5/19
第一章 绪论
课题背景及意义
RFID
现代物流与供应 链管理
生产管理与 交通管
控制
理
公共安 全
均匀设计表
测试函数实验结果
2020/5/19 第四组参数组合最优，选取作为仿真实验使用
9/22
第三章 基于改进混沌粒子群优化算法的RFID网络部署优化
仿真实验
实验步骤
仿真环境初始化 确定映射关系 算法初始化
实例研究 监控面积：30m*30m 电子标签个数：50 读写器个数：9
N=120 c1=1.7
2020/5/19
粒子群算法
•收敛速度快、易实现 •容易陷入局部最优解
改进
4/22
第二章 RFID网络部署模型
问题提出
目的 • 合理部署资源 要求 • 满足目标函数 问题 • 覆盖问题
• 覆盖模型：点覆盖 • 感知模型：随机模型 • 部署策略：网格策略
0 , d (s, p) r re C(s, p) ea , r re d (s, p) r re
基于改进粒子群算法的 RFID网络部署优化研究
Research on Deployment of RFID Network Based on Improved Particle Swarm Optimization
2020/5/19
姓名： 导师： 专业：控制理论与控制工程
江南大学电气自动化研究所
1/22
（可视为可行解），xid
[ ad ,bd
v
] ，其对应的反向点 Xi
(xvi1,
xvi2, L
,
4
Minimize A wi fi; w1 w2 w3 w4 1; i 1, 2, 3, 4 i1
量子粒子群算法（QPSO）：
pij (t ) ij (t )gpbestij (t ) [1 ij (t )]ggbest j (t ), j 1, 2, L ，D
mbest ( 1 M
M i1
1 pbesti1(t ), M
M i1
pbesti2 (t ), L
,1 M
M i1
pbestiD (t ))
xij (t1) pij (t ) mbest j (t ) xij (t ) gln[1 / uij (t )]
早熟 粒子迭代过程依托Pbest和Gbest，当空间内局部最优值很多时，易陷入
n
min C (Pi Pd ) i 1
冲突约束： 密集程度：
m1 m
min I
(dist(Ri , Rj ) (ri rj ))
i1 ji1
m
min E dist(Rk Centerk ) k 1
网络负载平衡：
min
L
m1
k
1
Ck
6/22
2020/5/19
第三章 基于改进混沌粒子群优化算法的RFID网络部署优化