射频识别(Radio Frequency Identification,即RFID)技术对无线识别技术的应用推广以及信息化程度的发展产生了积极的影响,是近年来物流研究领域的热点之一。在RFID技术众多问题之中,RFID网络布局的优化是最为常见的,也是非常重要的。它的目的是合理布局读写器位置使其可以最大限度的精确实时的读取工作区域中电子标签的信息。随着可持续经济的概念的提出和发展,闭环物流网络逐渐成为循环经济实践的核心要求之一,但是闭环物流实现存在一个难点,即构建信息化的逆向物流网络,而RFID多标签识别、信息容量大以及工作环境要求不高的优势,可以高效解决废旧产品在回收过程中的面临的产品来源复杂繁多、工作环境恶劣等难题。对RFID网络布局进行优化并将其应用于逆向物流中对拓展探索物联网以及发展绿色环保的产业链具有深远的意义。在以往的研究中,科研人员利用进化计算和种群智能来解决以上问题,然而无论RFID系统中读写器还是逆向物流网络中收集站点都面临布局个数难以预测的问题,过往的算法无法控制其个数的合理性,然而读写器个数与收集站点个数与整个系统的复杂性和运营成本都有着直接联系。本文我们在传统的进化算法基础上做出了相关的改进工作,本文所做的主要工作如下所述:(1)针对RFID网络布局读写器个数难以预计的难点,本章提出了一种引入TRE因子的基于多智能体进化的RFID网络布局算法。TRE因子每次先暂时删除覆盖冗余程度最高的读写器,然后在迭代若干代之后,若布局方案无法保证覆盖范围达到100%,弹性地恢复之前被删除的读写器。这样不仅保证了整体覆盖率的优化效果,而且增加了读写器个数调整的便利性,使算法能够有效地减少读写器个数从而降低RFID网络系统的成本。除此之外,在多智能体算法中,我们智能体依次执行邻域竞争、邻域正交叉、变异、自学习四种进化算子来优化RFID网络布局方案。最终通过实验结果的分析可以看出,不论是覆盖率效果,还是读写器个数,该算法都优于传统的进化算法,同时RFID系统的干扰率也得到了很好的优化。(2)在对已有的传统逆向物流网络模型进行深入研究的基础上,将RFID技术应用在逆向物流网络布局问题的研究中。在这篇文章里,我们提出了多种群PSO算法来解决逆向物流网络布局问题。算法包含多种群融合因子,用于逐步减少站点个数设置不合理子种群的种群规模。当这个子种群和最优子种群在覆盖率性能上相差很多时,通过一次次的迭代,它的种群规模不断减少直至为消亡。在逆向物流网络中,我们添加了RFID技术来统计收集站点的回收物品信息。最终的实验结果显示出我们提出的算法可以给出收集覆盖率较高的一组结果,这组结果中集站点的个数都相对合理,可供生产商选择。