利用遗传算法和粒子群算法优化RFID的部署(二)

一、备注

  上周主要是调整了一些基本参数，适当减少了阅读器的数量，但是并不能明显地改变读写器碰撞的问题，老师认为BPSO能够较好地解决读写器-读写器碰撞问题，因为它考虑了阅读器的开关状态，能够较好地对阅读器进行调度，于是老师让我改进这个算法。

二、改进

  在BPSO中，在每个时隙，所有阅读器的开关状态会用0或1来表示，0表示关闭，1表示打开，对于10个阅读器，100个时隙而言，粒子的维度就是10*100+10*2=1020, 维度过高导致后期算法难以收敛。于是，我们在编码上做了一点改进，对于每个时隙，我们用一个二进制数来表示阅读器的开关状态，10个阅读器对应一个10位的二进制数，比如0表示$0000000000_2$,对应10个阅读器全部关闭的状态，1023表示$1111111111_2$,对应10个阅读器全部开启的状态，这样，粒子的维度就变为10*2+100=120， 维度与之前相比大大降低。
  同时，考虑到这120维向量的不同部分取值不同，我将两个部分的惯性参数设定得也不同，向量可以表示阅读器的位置和阅读器的状态，这两部分用不同的惯性参数，对于阅读器位置，由于取值范围较小，惯性权重也相应的较小；对于阅读器状态，由于取值范围较大，惯性权重也较大，可以保证粒子能够充分到底每一个可能的取值。之前我们还忽略了一个问题，由于粒子的维度比较大，为了避免粒子陷入局部最优解，我们还增大了粒子的数量以及迭代的次数，粒子数量有原来的50增加至200，迭代次数由100增大至2000。

三、效果

  这次运行的效果要比上次好多了，

算法	任务1	任务2	任务3	任务4	总分
改进前	0.0505	0.2925	1	0.53	0.39
改进后	0.0792	0.3860	1	0.29	0.55

  四个任务的权重分别为5%，10%，15%，70%，所以任务3和任务4得分更高，具体的结果可以看我之前的github。
  虽然有改进，但是准确率还是不够，只有55%左右，在现实中肯定是不够的，我们需要进一步改进该算法。