RFID技术作为物联网环境下的典型前端信息载体,在生产制造、物流管理、身份标识等领域均有着广阔的应用前景。但是,受到复杂应用环境的影响,RFID大规模应用部署仍然具有挑战。RFID系统优化技术是RFIDE应用关键技术之一,旨在解决RFID实际应用部署中多目标识别的可靠性问题。　　 本文首先从RFID应用系统建模出发,以门型RFID应用环境为例,给出一种针对特定应用约束条件的多目标识别系统建模方法。区别于以往在可控环境中进行的RFID基准测试,本文尝试将复杂的环境因素整体作为系统扰动,基于支持向量机(SVM)利用尽量少的学习样本建立起一个泛化能力较强的多目标识别模型,在一定扰动范围内都可以获得较为准确的预测效果,为实现应用部署优化提供了理论支撑。　　 其次,本文基于该多目标识别模型建立了混合现实RFID仿真方法,可替代实际硬件完成部署方案设计及应用系统可靠性验证工作。仿真系统采用边采集边训练的迭代学习方法,可在缩短90%测试时间和降低90%存储空间的前提下,实现超过90%的预测准确度,为提高应用部署效率提供了技术支撑。　　 再次,本文进一步将RFID系统模型应用于RFID系统多天线部署中,提出了基于遗传算法的RFID系统多天线部署优化方法,优化多目标识别系统的识别范围。本文根据多目标识别RFID系统模型的预测结果,基于启发式搜索算法优化搜索空间,进而对门型三天线RFID系统进行基于遗传算法的求解。相比于传统的试错法和枚举法,算法可以在短时间内收敛到全局极值,为实施应用部署方案提供了方法指导。　　 最后,本文还针对多目标识别应用中的单目标识别优化策略进行了研究,通过在恶劣应用环境中部署冗余标签提高整体目标识别率。通过选择单位时间内的有效识别次数作为评价指标,采用正交试验方法对冗余标签的部署位置进行测试,试验结果表明双标签冗余部署方案的识别效果显著高于单标签部署方案,为提高系统识别性能提供了新的解决思路。