一种求解最小诊断代价的小生境遗传算法

在诊断操作相关的情况下,求解最小代价的诊断操作序列的过程是一个NP完全问题.目前的算法在建模和求解方面都不是十分理想.通过对诊断问题进行更精确的建模和分析,提出了求解最小诊断代价的小生境遗传算法NGAMECD(Niche Genetic Algorithm for Minimum ECD).实验证明,算法NGAMECD具有良好的性质,它需要的空间可以预测,较普通的遗传算法具有更好的隐式并行性,执行过程中群体能够保持多样性,在有效避免早熟问题的同时算法的收敛速度较快.NGAMECD与P/C更新算法相比,诊断代价减少了20%～50%.

神经网络在软件多故障定位中的应用研究

针对软件多故障定位问题,提出一种基于神经网络的多故障定位模型.通过故障相关性分析,计算故障定位使用的输入对每个故障的支持度分量.利用神经网络模型学习输入的覆盖位置与各故障间的关系,针对每个可能包含故障的位置,构建理想输入作为已学习神经网络的输入,计算出该位置包含各故障的支持度,最终对每个故障确定其按支持度排序的位置序列,从而完成多故障定位的任务.实验结果表明,较传统方法,该模型对各故障可疑位置具有很强的分辨能力,表现出较大的优越性,对于提高软件多故障调试效率有很大帮助.