答辩模板PPT课件

基于改进粒子群算法的RFID网络部署优化研究,ResearchonDeploymentofRFIDNetworkBasedonImprovedParticleSwarmOptimization,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,论文主要内容与安排,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,课题背景及意义,第一章绪论,覆盖问题研究现状,粒子群算法收敛速度快、易实现容易陷入局部最优解,改进,第一章绪论,问题提出,覆盖模型：点覆盖感知模型：随机模型部署策略：网格策略,第二章RFID网络部署模型,目标函数,覆盖率：交叉干扰水平：信号强度：冲突约束：密集程度：网络负载平衡：,第二章RFID网络部署模型,问题提出,最大化问题：（覆盖率、交叉干扰水平）,Tent映射与Logistic映射：,Tent映射：,Logistic映射：,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,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：,Easom函数：,均匀设计表,测试函数实验结果,第四组参数组合最优，选取作为仿真实验使用,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,实例研究,监控面积：30m*30m电子标签个数：50读写器个数：9,初始化部署,Tent_PSO优化后部署,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,优化部署后坐标,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,优化部署性能参数对比,适应度值迭代曲线对比图,Tent_PSO算法有效,第三章基于改进混沌粒子群优化算法的RFID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）,量子粒子群算法（QPSO）：,粒子迭代过程依托Pbest和Gbest，当空间内局部最优值很多时，易陷入早熟,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,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,主要思想：,相关定义：,定义1反向点（OppositePoint）设,是D维空间中的一个点,（可视为可行解），,，其对应的反向点,可定义为：,定义2精英反向解（EliteOppositeSolution）设,假定,粒子，对应的自身极值即为精英粒子,，则精英反向解,可定义为：,定义3精英反向学习策略,是一普通,是种群中适应度函数。对于最小解问题，若,成立，则用精英反向解替代对应的精英粒子。,第四章基于EOBL_QPSO算法的多目标网络部署优化,EOBL_QPSO算法流程及性能分析,测试函数,结果对比,第四章基于EOBL_QPSO算法的多目标网络部署优化,性能对比实验,Sphere,Rosebrock,Griewank,Rastrigin,SpherePSO:800QPSO:400EOBL_QPSO:70,Rosebrock:PSO:1400时早熟QPSO:未收敛EOBL_QPSO:1800,Griewank:PSO:1000QPSO:450EOBL_QPSO:230,Rastrigin:PSO:未收敛QPSO:1820EOBL_QPSO:1374,第四章基于EOBL_QPSO算法的多目标网络部署优化,实例研究,实验步骤,实例研究,监控面积：30m*30m电子标签个数：50读写器个数：9,初始化部署,第四章基于EOBL_QPSO算法的多目标网络部署优化,结果分析,EOBL_QPSO优化部署图,QPSO优化部署图,PSO优化部署图,标签覆盖率高读写器分布均匀负载平衡度好,第四章基于EOBL_QPSO算法的多目标网络部署优化,性能对比,网络部署各性能参数对比,最小化问题优化对比,目标函数测试结果,综合对比可以发现EOBL_QPSO算法迭代次数少、波动小性能优越,第四章基于EOBL_QPSO算法的多目标网络部署优化,总结与展望,总结1.整理并改进现有覆盖部署模型，并分类为最大化优化问题和最小化优化问题2.设计了三组实验，分别验证Tent映射的优越性、Tent_PSO参数选取的可靠性以及Tent_PSO算法在求解最大化优化问题模型上的有效性3.设计了两组实验，分别验证了EOBL_QPSO算法的性能优越以及EOBL_QPSO算法在求解最小化问题模型上的有效性展望1.基于动态优化模型的建模问题以及求解有待于进一步研究2.反向学习策略与量子粒子群算法结合机制有待进一步研究3.应用于不同场景,第五章总结与展望,在校期间科研成果,纪志成，魏雷.基于LZM-WKPSO算法的RFID网络优化部署，控制工程，录用；魏雷，纪志成，李欣明.改进的混沌粒子群算法对WLS-SVM性能参数的优化，江南大学学报（自然科学版），录用；高春能，魏雷，纪志成，王艳.基于物联网的双闭环博物馆环境监控系统及方法，专利，ZL201110354724.2；2012.2-2013.2参与国家高技术研究发展计划（2013AA040405）：模具设计制造全过程精益管控的制造物联技术研发与应用示范。负责销售、采购、设备、财务、库存模块开发；2013.3-2013.9参与粤港关键领域重点突破项目（2012498C14）。负责采购、生产、财务、成本模块开发；2013.12-2014.5参与广东汕头新青罐机MES开发项目。负责采购、销售、生产模块开发。纪志成，魏雷，吴定会，王艳.软件著作权：设备信息化管理软件，流水号：2012R11L060959；纪志成，魏雷，严