6、RFID系统负载均衡与重型车辆燃油高效编队策略研究

RFID系统负载均衡与重型车辆燃油高效编队策略研究

RFID系统局部负载均衡算法研究

在RFID系统中，当阅读器并行执行某些规则时，系统整体公平性指数起初可能会略有下降。但通过模拟发现，经过几个时间段后，系统的整体公平性指数会显著提升，所有阅读器也会趋于稳定，不再需要进行标签转移。

为了评估算法性能，研究人员将提出的“基于元胞自动机的负载均衡算法”（CALBA）与负载均衡标签分配算法（LBTA）以及集中式最大流算法进行了比较。所有算法均用Python实现，模拟考虑了不同网格大小、阅读器和标签数量、询问和通信半径等多种场景，且阅读器和标签随机部署在网络中，每个标签最初分配给其询问范围内的任意一个阅读器，模拟结果取20次运行的平均值。

LBTA算法中，阅读器使用扩散参数α（0 ≤ α ≤ 1）将当前负载的一部分迁移到相邻阅读器。若两个相邻阅读器i和j的负载分别为wi和wj（wi > wj），且它们之间的公共标签数量Sij > α ∗ (wi - wj)，则阅读器i可向阅读器j转移α ∗ (wi - wj)个标签。然而，该算法结果随α值变化，且未明确指出应迁移的具体标签，仅确定了可迁移的标签数量。

CALBA算法的通信复杂度与LBTA相近，但可通过在标签中写入更多信息避免阅读器间的通信。不过，由于读写操作成本较高，研究人员仍选择阅读器间通信。模拟结果表明，CALBA在整体公平性指数和达到该指数所需的迭代次数方面均优于LBTA，甚至在公平性指数上有时比集中式算法表现更好，说明基于元胞自动机的算法是解决此类负载均衡问题的良好选择。

以下是询问半径为1时，不同算法在公平性指数和最大读取时间方面的比较结果：
| 网格大小 | 阅读器