Radio frequency identification (RFID) systems have been widely used for the inventory management and asset tracking in hospital industry. Although the total cost of an RFID system relies mostly on the number of readers, existing RFID network planning (RNP) techniques focused on single-port readers. This paper introduces a swarm intelligence RFID network planning model with multi-antenna readers (named RNP-MAR) to efficiently track medical assets in hospital environments. Our motivation is to utilize multi-port RFID readers, in order to minimize the total cost of the RFID network, and simultaneously maximizing the network coverage. To achieve this purpose, we consider three reader types with one, two, and four antenna ports. Moreover, different antenna models with different coverage characteristics are utilized to be allocated on the different ports of RFID readers. The aim of the RNP-MAR is not only to determine the optimal placements of the RFID readers in the hospital plan, but also to design the multi-antenna readers and their antennas. To efficiently solve the RNP-MAR model, a combined global-local linear-nonlinear metaheuristic based on whale optimization algorithm and simulated annealing (named WOA-SA) is presented. The multi-objective function of the WOA-SA is to maximize the network coverage, while minimizing the total cost, interference, collision, and power consumption. Simulation results show that the proposed method provides 39.57% saving (on average) in the total cost of the RFID network through efficiently utilizing multi-antenna RFID readers.

射频识别 (RFID) 系统已广泛用于医院行业的库存管理和资产跟踪。尽管 RFID 系统的总成本主要取决于阅读器的数量，但现有的 RFID 网络规划 (RNP) 技术侧重于单端口阅读器。本文介绍了一种具有多天线阅读器（命名为 RNP-MAR）的群智能 RFID 网络规划模型，以有效跟踪医院环境中的医疗资产。我们的动机是利用多端口 RFID 阅读器，以最大限度地降低 RFID 网络的总成本，同时最大限度地扩大网络覆盖范围。为实现此目的，我们考虑了具有一个、两个和四个天线端口的三种阅读器类型。而且，在RFID阅读器的不同端口上分配具有不同覆盖特性的不同天线型号。RNP-MAR 的目的不仅是确定医院计划中 RFID 阅读器的最佳位置，而且还要设计多天线阅读器及其天线。为了有效地求解 RNP-MAR 模型，提出了一种基于鲸鱼优化算法和模拟退火的全局-局部线性-非线性组合元启发式算法（命名为 WOA-SA）。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效地利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。RNP-MAR 的目的不仅是确定医院计划中 RFID 阅读器的最佳位置，而且还要设计多天线阅读器及其天线。为了有效地求解 RNP-MAR 模型，提出了一种基于鲸鱼优化算法和模拟退火的全局-局部线性-非线性组合元启发式算法（命名为 WOA-SA）。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。RNP-MAR 的目的不仅是确定医院计划中 RFID 阅读器的最佳位置，而且还要设计多天线阅读器及其天线。为了有效地求解 RNP-MAR 模型，提出了一种基于鲸鱼优化算法和模拟退火的全局-局部线性-非线性组合元启发式算法（命名为 WOA-SA）。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效地利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。还要设计多天线阅读器及其天线。为了有效地求解 RNP-MAR 模型，提出了一种基于鲸鱼优化算法和模拟退火的全局-局部线性-非线性组合元启发式算法（命名为 WOA-SA）。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效地利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。还要设计多天线阅读器及其天线。为了有效地求解 RNP-MAR 模型，提出了一种基于鲸鱼优化算法和模拟退火的全局-局部线性-非线性组合元启发式算法（命名为 WOA-SA）。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效地利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效地利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。WOA-SA 的多目标功能是最大化网络覆盖，同时最小化总成本、干扰、冲突和功耗。仿真结果表明，通过有效地利用多天线RFID阅读器，所提出的方法在RFID网络的总成本上平均节省了39.57%。