无线射频识别(Radio Frequency Identification,RFID)技术是一种不断发展的自动识别(Auto-ID)的技术,有着低成本、低功耗、外形小等优点。在大规模RFID系统中,通常需要部署多个天线阅读器来保证系统正常运行,且在部署RFID天线阅读器时,需要考虑标签覆盖率、经济效益、负载均衡、阅读器碰撞等因素的影响,使得RFID天线优化部署成为了一个NP-难问题。现有的RFID天线优化部署算法,在应对大规模RFID系统时,仍存在一些还未解决的问题,例如保证最优覆盖率、保证负载均衡、避免阅读器碰撞、保证经济效益等。近年来,随着群体智能算法(Swarm Intelligence,SI)的进一步发展,通过设定优化函数定义RFID优化部署中各优化目标,并通过群体智能算法来求其最优解,以获取优化部署的解,取得了很好的效果。本文提出了一种基于改进型多目标樽海鞘群算法的RFID天线优化部署方法,利用象群算法中的分离算子改进多目标樽海鞘群算法,获得Pareto解集,得到RFID天线阅读器优化部署的解,开发出了相应的无人超市系统并以此为基础搭建了一个完整的无人超市平台。本文的研究内容及创新点主要如下:1.引入分离算子优化多目标樽海鞘群算法:在传统的多目标樽海鞘群算法中,由于链式搜索的原则,樽海鞘个体在寻优过程中容易陷入局部次优,加入象群算法中的分离算子,使适应度最差的樽海鞘个体改变搜索策略,这样做可以很好的避免算法陷入局部次优解和过于快速收敛得到一个次优的结果,还可以提高算法的搜索能力,提升算法的性能。2.将上述改进型多目标樽海鞘群算法应用于RFID天线阅读器优化部署:多目标樽海鞘群算法本质上是一种求Pareto解集的算法,在优化部署中无须先验知识,避免人为主观因素的干扰,且可以得到多个最优解。在相同实验环境下,本文提出的算法与带观察者机制的蝙蝠(BA-OM)算法、粒子群(PSO)算法、细菌觅食优化(MC-BFO)算法等相比,覆盖率分别提高33%、28%、20%。与同类型的求Pareto解集的混合萤火虫(HMOFA)算法相比,负载均衡提高7.14%,经济效益提高59.74%,阅读器干扰减少34.04%。虽然牺牲了一定的时间成本,但能得到多个解,与加权系数法类的算法得到的结果基本一致,是一种实用性强、性能较好的算法。3.在上述算法的基础上,以JT-928阅读器与STM32单片机作为硬件平台,后台服务器使用Spring Boot及My Batis框架,连接My SQL后台数据库,STM32上搭载u C/OS-III系统处理RFID阅读器数据,用户端可通过Android手机APP查看消费记录,利用Java和Matlab和C语言设计实现了无人超市系统。主要功能包括仓库盘点、购买商品、消费记录查询等,并且在真实环境中测试了该无人超市系统具体功能的实用性及有效性。