近年来,物联网技术发展快速,射频识别技术的应用也逐渐普及。在供应链管理、仓库管理、和无人超市等场景需要部署一个包含大量RFID标签和RFID阅读器的RFID网络。由于RFID网络包含RFID阅读器众多,采用随机放置RFID阅读器等传统方式部署一个RFID网络存在效率和质量不够高的问题。本文围绕如何通过改进和使用相应的算法提高所部署RFID网络的质量,提高求解RFID网络优化问题的效率展开研究。本文主要研究内容是RFID网络优化问题和蜉蝣算法。蜉蝣算法是2020年提出的新型群智能算法,本文对蜉蝣算法进行分析和改进,以进一步提高算法的性能,并将改进后的蜉蝣算法应用于求解RFID网络优化问题,具体工作如下:1.提出基于随机配对的蜉蝣算法针对蜉蝣算法进行改进,提出一种基于随机配对的蜉蝣算法,将随机配对机制引入蜉蝣算法,提高种群多样性,增强算法在前期的开发和探索能力;引进边界最小值变异策略,使超出边界的蜉蝣个体保持原有搜索方向,更充分地搜索解空间,增强算法全局寻优能力。在测试函数实验中,基于随机配对的蜉蝣算法具有更好的搜索性能。2.将随机配对的蜉蝣算法应用于RFID网络优化问题在仿真实验中将随机配对的蜉蝣算法应用于求解RFID网络优化问题,并与基本蜉蝣算法等算法进行比较。结果表明,在大部分RFID网络优化仿真实验中,使用随机配对的蜉蝣算法优化后的RFID网络,其使用的阅读器数量更少,覆盖率更高,负载更均衡,优化效果更稳定。3.提出基于维度交换变异的多目标蜉蝣算法为提高多目标蜉蝣算法求解非线性高维优化问题的寻优精度,和所获得的pareto解集的质量,提出一种基于维度交换变异的多目标蜉蝣算法,将维度交换变异机制引入算法的子代产生过程,当算法无法在迭代中取得进展时,对全局最优个体进行维度交换变异,以促进蜉蝣种群向更好方向进化;引入轮盘赌机制,用于在外部存档更稀疏的区域中随机选取全局最优解,提高算法全局搜索能力。在测试函数实验中,提出的算法求解高维非线性和不连续测试函数获得的pareto解集具有更丰富的多样性和更高的收敛性。4.将基于维度交换变异的多目标蜉蝣算法应用于RFID网络优化问题在仿真实验中,应用基于维度交换变异的多目标蜉蝣算法求解RFID网络优化问题并得到相应的pareto解集;通过模糊决策机制从pareto解集中客观地选取一个最优折衷解。实验结果表明,在大部分RFID网络优化仿真实验中,与其他算法相比,本文算法能够获得一组多样性和收敛性更好的RFID网络优化方案解集。