射频识别技术（Radio Frequency Identification）作为一种自动化识别技术,使用无线信号与通信对象进行数据交换,从而达到识别目标的目的。RFID技术凭借着高效精准、非接触、成本低、抗污染、重复使用等优点,在第三次科技革命的浪潮中成为引领时代的佼佼者,并且逐步的影响人们日常工作、生活。在超高频RFID系统中,往往会部署多个阅读器同时进行工作,而不同标签与各个阅读器进行通信过程时常常相互间发生干扰,导致阅读器无法正常识别标签信息,这就是RFID技术中多阅读器碰撞问题。碰撞问题导致RFID系统工作效率低下、遗漏标签严重,大大制约了 RFID技术的发展。针对碰撞问题,设计一个稳定高效的多阅读器防碰撞算法具有着重要意义。针对上述问题,本论文在分析阅读器碰撞问题的原理以及防碰撞技术的基础上,主要探讨与研究多阅读器中的防碰撞算法。随着强化学习的兴起,为解决多阅读器下的碰撞问题提供了新的思路。RL算法中的智能体能够与算法模型所抽象出来的环境进行交互,从而不断改善行为动作,而这一特点正好适用于RFID系统中对信道资源的调配。本文主要研究如下:1.针对目前国内外多阅读器防碰撞算法进行分析,阐述算法的工作原理以及相应优缺点。2.提出一种以强化学习核心算法Sarsa为基础的多阅读器防碰撞算法,该算法中针对Hiq算法中的奖励值函数进行改进,采取一定的贪婪策略,将环境中阅读器碰撞信息反馈给系统,来使得系统有着自主学习的功能,减少相邻阅读器之间的频率冲突。仿真实验表明,本算法中相比于Hiq算法和EHiq算法能够有效的减少多阅读器频率碰撞概率,同时加快算法的收敛过程。3.而针对于复杂场景下,阅读器数量不断增多情况,为减少算法中内存消耗,本论文将神经网络与Sarsa算法相结合,利用神经网络强大的决策和存储功能,释放阅读器增多带来的Q表内存空间。仿真实验表明,当阅读器数量增多时,相比于Hiq算法和EHiq算法,本算法在减少系统资源消耗的同时依旧能够保持性能上的优势。