基于RFID和WSN融合的物流配送系统最优路径选择算法研究
发布时间：2021-02-10 13:52
射频识别技术（RFID技术）诞生于上个世纪五六十年代,其存储容量巨大,变革性质的信息处理方式使之具有革命性的信息技术优点。比如其快速、稳定、精准的捕获信息的特点以及重复利用的特性等,使之胜任物流、交通电子设备、精准农业、危险化学品等诸多领域。由于RFID技术一般都是跨学科的应用在许多不同的领域,因此RFID需要紧密联系实际需求来进行研究,而WSN技术与传统传感器和测控系统相比也具有更为明显的优势。它点对点或点对多点的无线连接方式,使电缆成本开销变得极为微小,节点的自检功能,使系统性能更加可靠。将WSN技术与RFID技术进行融合,构建融合网络就是利用RFID技术进行信息采集,利用WSN技术进行数据传输。这样,两个技术就很好的结合起来。本文主要是在WSN与RFID技术集成网络下的物流管理为背景对最优路径选择进行的研究。基于RFID技术与WSN技术集成网络的独特优势,针对传统物流管理的弊端,在此基础之上设计出新的物流管理方案。并以基于WSN技术与RFID技术集成网络为主线,根据物流管理当前的实际情况,构建了TSP问题和M-TSP问题模型,利用改进蚁群算法对物流管理进行路径寻优。实现群智能算法...
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 背景研究调研
1.1.2 融合技术的意义
1.2 国内外对集成网络的研究现状
1.3 论文研究内容以及组织结构
第二章 物联网与RFID技术
2.1 RFID技术特点
2.2 RFID技术的发展历程与应用现状
2.3 RFID系统
2.3.1 RFID系统组成与分类
2.3.2 RFID系统硬件构造与工作原理
2.4 WSN技术
2.4.1 WSN技术概述
2.4.2 WSN技术的组成和特点
2.5 RFID技术与WSN技术融合网络的研究
2.5.1 RFID阅读器与WSN节点的融合
2.5.2 RFID标签与WSN节点的融合
2.5.3 RFID与WSN在系统层次上的融合
2.6 本章小节
第三章 物流配送系统中的蚁群算法研究
3.1 蚁群算法理论概述
3.1.1 自然蚂蚁具体行为分析
3.1.2 引申出来的人工蚂蚁行为分析
3.1.3 基本蚁群算法的理论基础
3.2 蚁群算法的研究进展
3.2.1 算法研究进展
3.2.2 应用的研究进展
3.3 蚁群算法的特点
3.4 基本蚁群算法
3.5 本章小节
第四章 一种新型的RFID物流管理设计方案
4.1 物流与物流管理
4.2 传统物流公司工作流程分析
4.3 一种新型的基于RFID的物流工作流程分析
4.3.1 包裹拣收和存储管理模块
4.3.2 包裹运输管理
4.3.3 包裹交付管理
4.3.4 车辆监控管理
4.4 基于RFID的物流管理方案功能设计
4.5 基于RFID的物流管理方案的设计原则
4.6 基于RFID物流管理方案的模块设计
4.7 本章小节
第五章 物流配送问题的M-TSP问题解决方案
5.1 经典TSP和M-TSP研究
5.1.1 TSP问题的性质
5.1.2 M-TSP问题的探究描述
5.1.3 TSP和M-TSP在物流模型中的探究
5.1.4 有时间约束的M-TSP问题优化方案
5.2 物流系统中路径寻优转化为M-TSP模型的探究
5.2.1 传统物流系统图
5.2.2 M-TSP问题的模型参数设置
5.2.3 优化目标分析
5.2.4 M-TSP问题的困难描述
5.2.5 M-TSP问题关于时间约束的具体求解步骤
5.3 蚁群算法在物流配送最优路径选择中的基本思路
5.4 蚁群算法在物流配送中的改进
5.5 改进蚁群算法在TSP问题中的性能验证
5.5.1 仿真编程方法和技巧
5.5.2 TSPLIB实际TSP问题仿真结果
5.6 小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
个人简历
【参考文献】：
期刊论文
[1]适用于无源RFID标签芯片的SPNVM优化设计[J]. 陈立刚,毛陆虹. 固体电子学研究与进展. 2013(06)
[2]Differences in brain structure in patients with distinct sites of chronic pain:A voxel-based morphometric analysis[J]. Cuiping Mao,Longxiao Wei,Qiuli Zhang,Xia Liao,Xiaoli Yang,Ming Zhang. Neural Regeneration Research. 2013(32)
[3]一种改进粒子群迭代优化的集成网络智能节点部署算法[J]. 任剑锋,张永强. 计算机科学. 2013(03)
[4]Endoscopic and surgical resection of T1a/T1b esophageal neoplasms: A systematic review[J]. George Sgourakis,Ines Gockel,Hauke Lang. World Journal of Gastroenterology. 2013(09)
[5]图的直接和的Hamilton圈研究[J]. 胡延忠,叶波. 十堰职业技术学院学报. 2010(03)
[6]基于RFID/GPS的物流控制系统的研究[J]. 沈振华,陈定方. 湖北工业大学学报. 2009(02)
[7]蚁群算法解决TSP问题的浅析[J]. 朱杰. 电脑知识与技术. 2008(22)
[8]求解TSP问题算法综述[J]. 王剑文,戴光明,谢柏桥,张全元. 计算机工程与科学. 2008(02)
[9]LIQUID-SOLID COUPLED SYSTEM OF MICROPUMP[J]. Wu Jiankang Lu Lijun (Department of Mechanics, Huazhong University of Science and Technology, Wuhan 430074, China). Acta Mechanica Solida Sinica. 2006(01)
[10]基于RFID电子标签的物流控制系统的设计[J]. 毛丰江. 计算机与信息技术. 2006(03)
博士论文
[1]传感器网络的部署以及节能研究[D]. 吴晓培.电子科技大学 2012
[2]群智能算法及其应用研究[D]. 寇晓丽.西安电子科技大学 2009
硕士论文
[1]智能RFID阅读器系统设计与实现[D]. 谷瑞华.北京工业大学 2013
[2]基于遗传算法和蚁群算法的节能调度研究[D]. 赵建峰.山东大学 2013
[3]RFID阅读器的多天线工作模式研究[D]. 刘春伟.重庆大学 2012
[4]大型TSP问题的蚁群优化规则研究[D]. 王霜.吉林大学 2012
[5]UHF RFID阅读器几个关键问题研究[D]. 尹遴.西华大学 2012
[6]中小企业的物流管理研究[D]. 朱廷军.大连海事大学 2012
[7]融合WSN与RFID的现代物流监控系统研究[D]. 季德雨.沈阳航空航天大学 2011
[8]射频识别系统的研究[D]. 程林.华东师范大学 2007
[9]用于RFID系统的天线设计[D]. 张明涛.西安电子科技大学 2007
本文编号：3027463
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 背景研究调研
1.1.2 融合技术的意义
1.2 国内外对集成网络的研究现状
1.3 论文研究内容以及组织结构
第二章 物联网与RFID技术
2.1 RFID技术特点
2.2 RFID技术的发展历程与应用现状
2.3 RFID系统
2.3.1 RFID系统组成与分类
2.3.2 RFID系统硬件构造与工作原理
2.4 WSN技术
2.4.1 WSN技术概述
2.4.2 WSN技术的组成和特点
2.5 RFID技术与WSN技术融合网络的研究
2.5.1 RFID阅读器与WSN节点的融合
2.5.2 RFID标签与WSN节点的融合
2.5.3 RFID与WSN在系统层次上的融合
2.6 本章小节
第三章 物流配送系统中的蚁群算法研究
3.1 蚁群算法理论概述
3.1.1 自然蚂蚁具体行为分析
3.1.2 引申出来的人工蚂蚁行为分析
3.1.3 基本蚁群算法的理论基础
3.2 蚁群算法的研究进展
3.2.1 算法研究进展
3.2.2 应用的研究进展
3.3 蚁群算法的特点
3.4 基本蚁群算法
3.5 本章小节
第四章 一种新型的RFID物流管理设计方案
4.1 物流与物流管理
4.2 传统物流公司工作流程分析
4.3 一种新型的基于RFID的物流工作流程分析
4.3.1 包裹拣收和存储管理模块
4.3.2 包裹运输管理
4.3.3 包裹交付管理
4.3.4 车辆监控管理
4.4 基于RFID的物流管理方案功能设计
4.5 基于RFID的物流管理方案的设计原则
4.6 基于RFID物流管理方案的模块设计
4.7 本章小节
第五章 物流配送问题的M-TSP问题解决方案
5.1 经典TSP和M-TSP研究
5.1.1 TSP问题的性质
5.1.2 M-TSP问题的探究描述
5.1.3 TSP和M-TSP在物流模型中的探究
5.1.4 有时间约束的M-TSP问题优化方案
5.2 物流系统中路径寻优转化为M-TSP模型的探究
5.2.1 传统物流系统图
5.2.2 M-TSP问题的模型参数设置
5.2.3 优化目标分析
5.2.4 M-TSP问题的困难描述
5.2.5 M-TSP问题关于时间约束的具体求解步骤
5.3 蚁群算法在物流配送最优路径选择中的基本思路
5.4 蚁群算法在物流配送中的改进
5.5 改进蚁群算法在TSP问题中的性能验证
5.5.1 仿真编程方法和技巧
5.5.2 TSPLIB实际TSP问题仿真结果
5.6 小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
个人简历
【参考文献】：
期刊论文
[1]适用于无源RFID标签芯片的SPNVM优化设计[J]. 陈立刚,毛陆虹. 固体电子学研究与进展. 2013(06)
[2]Differences in brain structure in patients with distinct sites of chronic pain:A voxel-based morphometric analysis[J]. Cuiping Mao,Longxiao Wei,Qiuli Zhang,Xia Liao,Xiaoli Yang,Ming Zhang. Neural Regeneration Research. 2013(32)
[3]一种改进粒子群迭代优化的集成网络智能节点部署算法[J]. 任剑锋,张永强. 计算机科学. 2013(03)
[4]Endoscopic and surgical resection of T1a/T1b esophageal neoplasms: A systematic review[J]. George Sgourakis,Ines Gockel,Hauke Lang. World Journal of Gastroenterology. 2013(09)
[5]图的直接和的Hamilton圈研究[J]. 胡延忠,叶波. 十堰职业技术学院学报. 2010(03)
[6]基于RFID/GPS的物流控制系统的研究[J]. 沈振华,陈定方. 湖北工业大学学报. 2009(02)
[7]蚁群算法解决TSP问题的浅析[J]. 朱杰. 电脑知识与技术. 2008(22)
[8]求解TSP问题算法综述[J]. 王剑文,戴光明,谢柏桥,张全元. 计算机工程与科学. 2008(02)
[9]LIQUID-SOLID COUPLED SYSTEM OF MICROPUMP[J]. Wu Jiankang Lu Lijun (Department of Mechanics, Huazhong University of Science and Technology, Wuhan 430074, China). Acta Mechanica Solida Sinica. 2006(01)
[10]基于RFID电子标签的物流控制系统的设计[J]. 毛丰江. 计算机与信息技术. 2006(03)
博士论文
[1]传感器网络的部署以及节能研究[D]. 吴晓培.电子科技大学 2012
[2]群智能算法及其应用研究[D]. 寇晓丽.西安电子科技大学 2009
硕士论文
[1]智能RFID阅读器系统设计与实现[D]. 谷瑞华.北京工业大学 2013
[2]基于遗传算法和蚁群算法的节能调度研究[D]. 赵建峰.山东大学 2013
[3]RFID阅读器的多天线工作模式研究[D]. 刘春伟.重庆大学 2012
[4]大型TSP问题的蚁群优化规则研究[D]. 王霜.吉林大学 2012
[5]UHF RFID阅读器几个关键问题研究[D]. 尹遴.西华大学 2012
[6]中小企业的物流管理研究[D]. 朱廷军.大连海事大学 2012
[7]融合WSN与RFID的现代物流监控系统研究[D]. 季德雨.沈阳航空航天大学 2011
[8]射频识别系统的研究[D]. 程林.华东师范大学 2007
[9]用于RFID系统的天线设计[D]. 张明涛.西安电子科技大学 2007
本文编号：3027463
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/3027463.html
