用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,在DPSO-AO*算法基础上,采用基于加权Huffman编码的启发式评估函数实现对测试成本的评估,形成了DPSO-WAO*算法;实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,使DPSO-WAO*算法优化性能较DPSO-AO*算法提升10%以上,趋近传统AO*算法,并通过取消成本回溯有效降低了传统AO*算法的计算复杂度,对于运载火箭等大型系统的测试序列设计、故障诊断等具有重要意义。

基于蚁群算法的多值属性系统测试序列优化

针对系统故障诊断中的多值属性系统测试序列优化问题,该文提出一种改进的蚁群算法,将成功运用在二值属性系统中的蚁群算法扩展到多值属性系统中,根据多值属性系统特点,设计相应的状态转移规则和信息素更新机制,并采用蚁群算法和遗传算法相融合的联合优化策略,解决了多值属性系统的序列优化问题,为多值属性系统的测试优化问题提供了一条新的解决途径。

基于改进蚁群的测试序列优化算法

针对故障诊断中的测试序列优化问题,提出一种改进蚁群算法的解决方法。该方法根据二值属性系统的特点,定义状态集向量及测试向量,将故障测试隔离过程转化为向量的位运算过程,将序列优化问题转化为一种最小代价的动态树构造问题,设计灵活的状态转移规则,并根据动态树的分层结构特点,提出一种分层加权和遗传变异相结合的信息素更新策略,解决这种动态树结构的寻优问题。仿真结果表明:该算法以较高的效率收敛到已知最优解,高效实用,为大规模复杂系统的测试优化问题提供了一条新的解决途径,具有一定的工程应用价值。

计算机辅助测试序列优化

为自动获取平均测试费用最少,且能快速实现系统故障检测与隔离的最优测试序列,提出了一种准多步前向搜索算法。该算法结合了一步前向搜索和多步前向搜索的基本特点,并以信息增益为启发策略,获得了计算精度和复杂度的权衡。基于该算法,开发了一个测试序列优化工具,通过对大量实例的计算,证明该工具可以在实用中取得满意结果,且该工具可以用作自动测试设备和便携式维修辅助软件的核心诊断推理机。

基于蚁群算法的雷达系统测试序列优化研究

随着微电子技术的发展,电子装备结构、功能日趋复杂,电子装备的保障面临的困难也越来越大。文章以多信号模型为基础,以提高电子装备故障诊断能力为目的,开展了测试性分析和基于蚁群算法的测试序列优化研究。最后通过实例证实了算法的可行性和有效性,为雷达系统的测试诊断和功能验证提供了一种新的方法。

大型复杂系统测试序列优化

为解决现有优化方法测试时间长、不能快速生成决策树等问题,提出Limited Bottom-Up方法。在决策树根节点对影响较大的首步测试进行优化选择,同时将复杂系统的大规模问题转化为规模较小的子集;对故障子集采用自下而上的方法生成测试序列。试验结果表明,该方法有效降低了计算复杂度,缩短了测试时间,为大型复杂系统的可测性设计与分析提供了一种高效算法。

基于DPSO-AO~*算法系统测试序列优化问题研究

为了使复杂装备信息处理系统在进行故障定位过程中耗时最少、成本最低,建立了系统测试序列优化问题的数学模型。基于DPSO-AO~*算法的改进,得到信息处理系统的最优测试策略决策树,根据信息处理系统的相关矩阵,按故障概率,随机生成故障,采用相应的测试序列进行测试,最后利用累计测试费用进行比较,从而证明了改进的DPSO-AO~*算法正确有效。

面向燃气表安全功能检测的动态测试序列生成方法研究

在燃气表安全功能检测的过程中,存在测试用例受故障影响执行失败的情况。现有的测试序列生成算法没有考虑测试用例执行失败对测试的影响,从而导致测试成功率低、测试时间长。为此,提出了基于多级权重贪心策略的测试序列生成方法,即MWGA(Multi-level Weight Greedy Algorithm)。该方法通过分析执行过程中各影响因素对测试序列的影响程度,对各因素的权重进行量化并分级。此外,在测试执行阶段,根据执行反馈对测试子序列权重值进行实时调整并进行自适应排序。实验结果表明,和DFS、SPS、SA算法相比,MWGA的测试成功率提高了11.76%~25%,测试时长降低了35.54%~37.68%。

基于萤火虫-免疫算法的CVIS测试序列优化方法

为了对车路协同系统的功能进行有效测试,提高测试效果,对测试序列优化方法进行了研究。通过对车路协同系统进行功能需求分析,构建包含多交叉路口、多路段、多车的车路协同系统典型应用仿真场景,并对典型场景利用故障树分析的方法进行功能特征分析,建立基于系统功能特征的系统测试用例,研究车路协同的功能特征,生成的测试用例进行带端口标记的时间输入/输出自动机建模,并用建模工具UPPAAL完成建模实现,利用UPPAAL建模工具的测试序列生成模块,完成基于带端口标记的时间输入/输出自动机的测试序列的自动生成,得到针对车路协同系统仿真测试的测试序列。着重设计运用萤火虫算法和免疫算法对已经生成的测试序列进行优化,并且从序列覆盖度、冗余度、快速性方面对测试效果做出了评估。研究结果表明:当示例场景状态数较多时,优化算法能保证测试序列的覆盖度为100%,且能降低测试冗余82%,缩短测试时间约为10s;基于萤火虫-免疫算法的测试序列优化方法在测试冗余的降低上卓有成效,且优化算法较时间自动机而言能够更快更有效地降低测试冗余,优化算法的测试效果明显优于时间自动机生成的原始序列;通过对测试冗余的降低实现测试效率的提高具有可行性。

基于测试重要度的Petri网序列优化算法

针对故障诊断测试序列优化问题,提出一种基于测试重要度的Petri网序列优化算法。该方法依据测试代价原则,并引入测试重要度函数,采用Petri网全局搜索算法,在传统测试优化目标测试费用和故障检测率的基础上,选择包含故障信息量大的测试,有效缩减测试序列的长度,并结合测试代价的反馈计算,减少总体测试费用。研究表明,所提出的优化算法克服了传统算法陷入局部优化的缺点,能够有效地减少总体测试代价。

基于蚁群算法的系统级序贯测试优化研究

针对系统故障诊断中的序贯测试优化问题,文章采用蚁群算法,把系统级测试序列优化问题转换为蚁群建立最小完备测试序列的问题;通过构建蚁群的状态转移规则和信息素反馈机制,实现对系统级测试序列的优化;实例证明此算法具有良好的性能和可行性,有效地解决了系统级的序贯测试优化问题。

基于蚁群算法的电子设备多值测试故障诊断策略

测试序列优化设计是故障诊断中的重要组成部分,最优测试序列能提高故障诊断的效率,常见的故障诊断系统均基于二值属性,而多值属性系统的测试优化问题研究的较少。针对多值属性系统测试序列优化问题的特点,提出了一种改进蚁群算法,结合二值属性系统和多值属性系统的关系,设计了适应于多值属性优化的状态转移规则和信息素更新机制。针对在等测试费用和故障先验概率的情况下不能寻优的问题,制定了对应的优化标准,符合实际的测试需求。通过对比试验,证明了其能解决电子系统多值属性系统的序列优化问题,扩展了多值属性电子系统的测试优化策略。

基于离散蝙蝠算法的舰船作战系统测试性分析

[目的]针对舰船作战系统中系统级测试性分析的测试集优化和测试序列优化问题,[方法]以多信号流图模型为基础,采用优化精度高、算法收敛速度快的离散蝙蝠算法(DBA)对最优完备测试集和各类故障测试序列进行求解,并以舰船作战系统为研究对象,将故障隔离率、平均测试代价和平均期望测试代价等主要指标与现有的优化方案进行仿真对比分析。[结果]仿真结果表明:与其他算法相比,离散蝙蝠算法具有更好的优化效果,其故障隔离率可提升5.5%、平均测试代价与期望测试代价可分别下降6.35%和17.01%。[结论]研究成果验证了离散蝙蝠算法应用于系统级测试性分析的可行性和优势,可为系统级测试性分析工程提供参考。

改进差分进化算法优化多值属性系统诊断策略

测试序列优化问题是故障诊断过程中的关键性问题;针对多值属性系统的测试序列优化问题,采用自适应差分进化算法,结合多值属性系统的特点,分析变异算子在算法中的作用,并设计了个体的编码策略以及两种不同的诊断方式,提出一种将高斯,柯西变异算子与多差分策略进行融合的差分进化算法;通过实验对比分析,结果表明该算法不仅可以很好的应用于多值属性系统,而且在处理二值属性系统的测试序列优化问题时,与已有算法相比,该算法得到的测试点数目更少,期望测试代价更低,可用于多值属性系统求解诊断策略问题。