基于粒子群优化算法的测试选择优化方法研究

测试选择优化问题作为复杂电子装备的诊断设计优化过程中的一个关键问题,是一个典型的集合覆盖问题,属于经典的N—P难题;针对现有优化方法存在的不足,通过对测试选择问题的分析,提出一种基于二进制粒子群优化算法的测试选择优化方法,将备选测试集合采用二进制粒子编码,构造粒子适应度函数,通过粒子群搜索实现了快速求解;与传统方法相比较,该方法搜索速度快,优化效果明显,该方法已在工程实践中得到应用。

系统级BIT设计中的测试选择方法

根据系统级BIT设计的要求,明确了系统级BIT设计中测试选择所需解决的问题,提出了测试选择的基本思想;在此基础上,利用系统级故障隔离的间接熵法实现了系统级BIT设计中的测试选择,并引入测试时间和故障发生频率参数对间接熵法进行了修正,获得了可以较快地判断系统是否可用并隔离大概率故障的测试集。理论分析及实验数据表明,该文提出的系统级BIT设计中测试选择方法是有效的。

基于离散粒子群算法的测试选择

本文将离散粒子群算法(BPSO)首次应用于测试选择,结合测试选择自身的特点,重新定义了粒子及其速度;通过定义带有测试选择指标的适应度函数对粒子进行优化,并根据其容易陷入局部最优的特点,引入了线性惯性权重因子;同时本文将故障发生的概率作为评价测试集优劣的一个重要指标,具有重要的应用价值。文中的实例验证了该算法的有效性,利用该算法不仅可以获得较高的故障检测率、故障隔离率及较小的测试矢量集,而且还可以很快地找到发生概率大的故障。

基于混沌遗传算法的测试选择优化问题研究

针对测试选择优化这一NP难解问题,文中利用改进的遗传算法对其进行优化。算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化。最后,以超外差接受器为例,对算法的有效性进行了验证。事实证明,该算法能够较快地搜索到优化问题的最优解,验证了混沌遗传算法对测试选择优化问题的有效性。

基于量子遗传算法测试选择问题的研究

针对测试选择这一非确定性多项式的问题,实现了一种用于测试选择遗传算法;算法是以量子理论和量子计算为基础,采用量子比特实现个体编码,然后对每次迭代中的个体通过量子旋转门操作进行最优解搜索;最后,以超外差接收机系统为例,对算法的有效性进行了验证;事实证明,该算法能够较快地搜索到局部最优解,优于其它方法提出的最优测试集,验证了量子遗传算法对测试选择问题的有效性,为后续诊断方案中测试序列优化奠定基础。

基于布尔逻辑的测试选择算法

提出了一种基于布尔逻辑运算的测试选择新方法.首先建立布尔关联矩阵来描述系统中故障与测试的相关关系;然后依据关联矩阵,分别定义描述故障检测用测试集和故障隔离用测试集的布尔逻辑函数;再根据布尔运算定律对逻辑函数进行展开和化简处理,并根据计算结果得到最优测试集.通过案例验证了该方法的正确性,并指出了该方法的优势及其在计算复杂性方面存在的不足.

基于改进克隆选择算法的复杂系统测试选择

为了解决复杂系统测试优化选择问题,提出了一种基于改进克隆选择算法的测试选择方法。该方法针对测试选择问题的具体特点,对基本克隆选择算法进行了以下改进:采用二进制编码方式进行抗体编码,选用加性分段函数形式构建亲和度函数,利用混沌搜索优化初始种群的生成方式,并引入免疫网络的抗体抑制操作对抗体种群进行预处理。最后,以某实际系统为例进行了算法验证,实验结果表明:该方法搜索效率高,具有很强的全局和局部搜索能力,可有效解决复杂装备系统测试性设计中的测试优化选择问题。

基于信息流模型和列表寻优法的装备BIT系统测试选择技术研究

测试选择是测试性设计的基本步骤之一。在诊断BIT系统设计过程中,针对不同的测试对象,特别是复杂的电子设备,如何选择最优化的测试策略,降低总体测试性费用,是设计人员一直关心、关注的问题。文中首先基于信息流模型对测试选择问题进行了研究,然后对列表寻优法进行了改进,并给出了测试选择的一种快速求解算法,最后通过实例对算法的有效性进行了验证。

基于启发式搜索策略的测试选择问题研究

测试选择是测试性设计的最基本步骤之一,本文通过对其数学模型的研究,构造了衡量测试集优劣程度的启发式函数,并由此实现了一种用于测试选择的遗传搜索算法。实例验证表明了该启发式函数的有效性,为测试性设计提供了一个简单有效的方法。

测试选择和诊断策略设计的列表寻优法

为了合理安排测试的先后顺序,实现故障的有效检测和隔离,提出了基于信息流模型和列表寻优法进行测试选择和测试序列的优化,构建了测试性故障隔离诊断体系。结合实例对所生成的诊断策略进行了分析,证明了算法的有效性。

PN4TS:一种基于CPN模型的IOCO测试选择方法

文中将IOCO(Input-Output Conformance)一致性测试理论与着色Petri网(Colored Petri Nets,CPN)进行优势融合,提出一种使用CPN描述测试目的模型并驱动IOCO一致性测试选择的新方法,称为PN4TS方法.PN4TS方法首先定义了面向一致性测试的CPN模型(Conformance Testing oriented CPN,CT-CPN),描述软件系统的功能行为;定义了基于CT-CPN描述的PN-IOCO一致性关系;之后,构建CT-CPN描述的测试目的模型,并将该模型与描述软件功能行为的CT-CPN模型执行同步模拟,提出了一种测试目的模型驱动的IOCO一致性测试选择方法,并证明了所生成测试例的可靠性及其对测试目的的覆盖完备性.PN4TS方法以实际测试数据驱动测试例的生成过程,有效保证了经测试目的选择所生成的测试例是切实可执行的.文中使用简单文件传输协议例示了PN4TS方法的应用过程,之后结合数字内容点对点网络分发软件系统的实际测试生成和测试执行实践,证实了PN4TS方法应用于较大规模软件系统的一致性测试应用时具有更好的可用性和可靠性.

测试选择中的多标准优化问题

介绍了一种利用参数加权实现多标准情况下的最优测试选择方法.

基于自适应遗传算法的工程装备液压系统测试选择研究

以某型工程装备转向液压系统为对象,在系统故障分析的基础上,建立故障测试矩阵,并利用改进后的遗传算法———自适应遗传算法有效解决了该液压系统测试点选择问题。为其他液压系统测试性设计过中测试点的布置选择提供了借鉴,有较高的实用价值。

基于遗传算法的舰炮制导弹药测试选择研究

测试选择的目标是在满足规定的测试性指标的前提下获得最简的测试集合。针对舰炮制导弹药测试选择问题,在分析舰炮制导弹药控制系统结构特点的基础上,建立了控制系统多信号流图模型,得到了测试-故障相关矩阵,并应用遗传算法对该矩阵进行了优化计算,得到了优选测试项目的集合。研究结果表明:该方法大大减少了测试项目,降低了测试成本。

基于改进离散差分进化算法的测试选择

针对武器装备系统的测试选择问题,首次提出利用基于混合策略的离散差分进化算法(MD-DDE)进行测试选择;重新定义种群中个体的含义,根据其容易陷入早熟的特点,引入自适应变化的缩放因子和交叉因子;采用混合差分策略,进一步平衡了算法的全局寻优和收敛速度的矛盾;在选择操作的基础上突出了优先级的特点,使结果更具应用价值;通过实例和离散粒子群算法进行了对比,验证了该算法的有效性。

基于偶然正确性概率的回归测试选择方法

数据驱动的智能系统的核心是处理数据的算法,对算法正确性的要求高,导致其测试开销大,需要有效地缩减测试的规模,其中回归测试选择是控制测试规模的有效手段.数据驱动的智能系统由于其动态信息流强度弱的原因,发生偶然正确性现象的概率较高,并且该现象会导致常用的回归测试选择技术所选择出的测试集包含大量检测不到故障的测试用例.因此,从偶然正确性现象的角度出发,提出一种基于偶然正确性概率的回归测试选择技术,进一步排除可能发生偶然正确性现象的用例.该方法能够兼顾代码覆盖,同时从偶然正确性的角度保证缩减后的测试用例集合对被修改的代码的测试是充分的.根据在用例缩减和故障检测能力之间侧重的不同,提出了基于最小化和安全性技术的两种选择策略,并给出3种具体的选择算法.在实验中将所提方法与一种安全的测试选择技术进行比较,结果表明,这3种选择算法都很好地缩减了测试集合的规模,提高了测试选择的精度,并提高了安全性和精度的综合指标.

一种基于WPDAG的回归测试选择方法

提出了一种基于WPDAG的回归测试选择方法,利用压缩的全路径动态执行过程生成修改影响集,可以有效地提高测试选择精度,降低测试选择成本。

基于动态测试选择的一致性测试算法

给出一个基于动态测试选择的一致性测试算法，使得在动态测试过程中能获得关于ＩＵＴ更准确的局部判定．

为发射器或组件测试选择合适的分析仪

目前,市场上有许多可供选择的分析仪,有些具备非常特殊的专业用途,有些则提供了较多的通用射频测量能力;有些被称为频谱分析仪,有些则被称为信号分析仪。这些分析仪都是用来测量和显示信号频率与幅度之间的关系的。如何在众多型号的分析仪中选择合适的一款需要多方面的考虑，本文将为您解答在挑选市场上各种分析仪时所遇到的疑问，并帮助您做出正确的选购决定。

成语测试选择题

最精练的词语是成语，最有生命力的词语也是成语，利用成语常能组成引人入胜的考题，各级语文考试都少不了成语试题，所以注重成语训练大有必要。解忠辉老师经过长期收集、整理、归纳从培养中学生的学习兴趣上从应试的角度上，设计了选择和填空两种类型的成语试题，使得枯燥无味的词语训练，变得趣味盎然。本期先选发成语测试选择题，填空题型请读者在下期阅读。