TACS车载设备复杂运营场景分阶段组合测试方法

基于车车通信的TACS(Train Autonomous Control System)列车运行系统通过深度融合车载控制系统和信号系统来实现线路资源管理、列车定位及追踪运行等各项关键功能,对可靠性和安全性的要求严格。针对TACS系统在复杂场景下的车载设备测试存在输入空间组合爆炸、测试用例冗余甚至无效等问题,提出一种车载设备分阶段组合测试方法。首先,以TACS车载设备自动折返场景为研究对象,依据相关规范文件分析其功能需求,提出测试阶段的划分原则与方法,辨识各个阶段下的测试参数、取值及约束,建立各阶段测试模型。其次,提出一种基于测试需求分阶段优化覆盖的组合测试用例生成算法,通过计算各阶段下的测试需求,采用基于贪婪覆盖策略的算法,结合Z3约束求解器,动态生成组合测试用例,实现约束异构影响下的测试需求全覆盖。最后,得到满足约束条件和覆盖强度的车载设备测试用例集。研究结果表明:该方法能够生成满足约束及覆盖率的测试用例集,有效减少了同一场景下模型间67.75%的冗余覆盖;与主流测试工具进行对比,该方法在覆盖强度为2时减少约50%的冗余测试用例,在覆盖强度为3时减少约36%的冗余测试用例。研究成果通过提高测试用例集的精简性,有效地降低了测试成本,为TACS车载设备测试用例的生成提供了参考。

基于多目标优化的移动边缘计算任务卸载方法

为了缩短任务卸载时延和降低能耗,基于多目标优化设计一种移动边缘计算任务卸载方法。首先,建立一个多目标优化模型,以最小时延和最小能耗为目标函数,同时考虑任务卸载计算资源分配约束、总能耗低于设备剩余电量约束、任务卸载传输功率约束、任务卸载时延约束等约束条件;考虑了移动设备的移动性,构建节点切换约束条件;为了提高求解效率,改进了遗传算法中的选择、交叉和变异操作,并利用改进后的遗传算法求解了多目标优化模型,得到了最优的移动边缘计算任务卸载策略。实验结果表明,该方法能够有效地完成任务卸载,并且能够减少任务卸载时延和降低任务卸载能耗。此外,该方法在不同剩余电量下都能够获得较好的任务卸载效果,从而提高了用户的体验。

Two Aspects of Evolutionary Algorithms

In this paper we discuss the paradigm of evolutionary algorithms (EAs). We argue about the need for new heuristics in real-world problem solving, discussing reasons why some problems are difficult to solve. After introducing the main concepts of evolutionary algorithms, we concentrate on two issues: (1) self-adaptation of the parameters of EA, and (2) handling constraints.

Evolutionary Programming for IP/MIP Problems with Linear Constraints

In this paper, we propose a modified evolutionary programming with dynamic domain for solving nonlinear IP/MIP problems with linear constraints, without involving penalty function or any transformation for the problem to a linear model or others. The numerical results show that the new algorithm gives a satisfactory performance in which it works of high speed, and accuracy in IP/MIP problems.

改进粒子群优化算法在负荷经济分配中的应用

提出了一种求解电力系统负荷经济分配问题的改进粒子群优化算法。该算法考虑了机组的爬坡约束、出力限制区约束、非光滑费用函数曲线等非线性特性,用保留可行解的方法处理负荷平衡约束条件,用自适应罚函数法处理爬坡和出力限制区约束条件,加快了算法的收敛速度,对不活动粒子的处理使算法避免了“早熟”现象。仿真计算表明,改进粒子群优化算法是一种求解负荷经济分配问题的有效方法。

基于约束的形状自动求解新算法

基于约束的产品形状描述及求解是目前计算机辅助设计研究的一个热点．本文在研究国内外现有技术的基础上，提出了一个基于约束的形状自动求解算法，该算法与国内外现有相关算法相比具有高效、实用、易于扩充、支持约束有效性检测、支持局部优化生成等显著优点．该算法已被实用系统所采用，成为我们最新研制的参数化二维草图系统的核心算法．

虚拟装配中的装配约束实现技术研究

结合虚拟装配中对装配约束实现的需求,以实际装配过程中常用的面与面之间的装配约束为例,阐述了虚拟装配中的装配约束实现流程,给出了虚拟环境下装配约束的定位求解过程,即通过姿态求解和位置求解确定零部件的空间目标位姿。同时给出了装配约束归约准则表以及归约结果的准确表达形式,并提出了在约束空间下对零部件的空间位姿调整算法,解决了多约束下自由度的计算问题以及零部件的调整问题,使虚拟装配中的零部件装配过程更加符合实际,操作更加方便。开发了原型系统虚拟装配工艺规划软件VAPP,对提出的算法进行了验证。

一种基于约束的布局求解算法

在研究现有布局求解方法的基础上，提出了一个基于约束的布局求解算法．该算法借助机构分析与综合中有关自由度分析的概念，在两个层次上进行布局求解，即在高层次上对布局顺序进行规划，而在较低层次上进行具体的数值定位；通过在两层次上交替进行求解最终求得布局结果．

基于离散元胞蚂蚁算法的几何约束求解技术研究

一个约束描述了一个应该被满足的关系,一旦用户已经定义了一系列的关系,那么在修改参数之后,系统会自动选择合适的状态来满足约束.在将几何约束问题的约束方程组转化为优化模型的时候,引入一种利用元胞演化规律和蚂蚁寻优特点的离散元胞蚂蚁算法.离散元胞蚂蚁算法是一种新型的仿生算法,它利用元胞在离散元胞空间的演化规律和蚂蚁寻优的特点,为解决实际问题提供了一种优化方法.实验表明,该方法可以比较有效的处理几何约束问题.

两种空间约束求解算法

进行了 3个方面的研究 :( 1)对由 3点 3面组成的空间约束系统进行了几何分析和推导 ,并且利用数值解验证了几何分析和推导的正确性 ,从而进一步完善了Hoffmann提出的基于图构造方法的约束求解方法 ;( 2 )将遗传模拟退火算法结合于空间约束求解中 ,有效地克服了基于图构造方法的可扩展性差的缺陷 ,并可以解决过约束和欠约束的情况 ;( 3)应用遗传模拟退火算法对 3点 3面约束系统进行求解 。

基于牛顿-遗传混合算法的几何约束问题的求解

将几何约束问题转化为非线性方程组的形式。传统的求解几何约束问题的牛顿法具有较好的局部收敛性,但是对于一些强非线性方程,传统数值法容易导致求解失败,有效性较低。而遗传算法具有较好的全局收敛性。将遗传算法和牛顿法结合起来,引入牛顿-遗传混合算法来求解几何约束问题。在遗传算法中嵌入一个牛顿算子,以发挥传统数值算法在计算速度与计算精度上的优势。将该混合算法应用于几何约束求解,实验表明该算法在解决完备约束和欠约束问题上都获得令人较满意的结果。

基于复合粒子群算法的几何约束求解技术研究

在将几何约束问题的约束方程组转化为优化模型的时候,需要找到一种方法来跳出局部最优解,进而找到全局最优解。为了兼顾算法的快速性和全局性,几何约束求解时,考虑使用复合粒子群算法。这种粒子群算法是一种基于群智能方法的演化计算技术,不仅在所有的进化算法中都包括控制其自身特性的启发式参数,而且这些参数通常是与特定的问题相关,并可由用户自己定义。虽然合适的参数选择需要用户丰富的经验和对研究问题所提供信息的正确判断,更重要的是,这些启发式参数会影响到算法的收敛特性,但是即便是很有经验的用户也可能选择不恰当的参数,从而使问题得不到有效地解决,这就越来越需要对这些参数进行研究。为此可将将粒子群算法中的控制参数的选取作为一个优化问题,以便用常规遗传算法来控制粒子群算法中的启发式参数,即形成了复合粒子群优化算法,通过把复合粒子群算法成功地应用到几何约束求解技术的实验表明,该方法可以在很短的时间内找到最优解。

遗传模拟退火算法在约束求解中的应用

将遗传模拟退火算法应用于约束求解中 ,提高了约束系统求解的鲁棒性和效率 .与 Newton- Raphson数值方法相比 ,由于遗传模拟退火算法是一种单纯的数值迭代方法 ,不涉及到矩阵求逆 ,因此克服了 Newton- Raphson法对初始值敏感的缺点 ,具有很强的鲁棒性 ;与其他利用 BFGS的优化算法相比 ,由于遗传模拟退火算法是在一个初始的解空间中搜索所有可能的解 ,因此克服了 BFGS优化算法对良约束多解情况只能求出一个解的缺点 ;由于遗传模拟退火算法是将约束问题转化为优化问题后才进一步求解 。

运用多项式方程系统算法求解电力市场均衡

在电力市场不完全竞争模型分析中,求解市场的纳什均衡是一个重要任务,其中求解混合策略均衡以及判断是否存在多个均衡都是相当困难的课题。首先建立了考虑网络约束的古诺模型,然后运用属于收益矩阵方法类型的多项式方程系统算法求解市场可能存在的所有均衡。多项式方程系统算法引用支集的特征,将纳什均衡条件转化为多项式方程系统及其不等式约束,并运用软件包PHCpack求解该方程系统,而后通过甄别满足不等式条件的解来求取所有均衡。针对3节点测试系统,构建不同的实验场景来考察所提出算法的有效性,实验结果表明,在一定条件下,多项式方程系统算法能够求解到所有均衡,这表明该方法在实际电力市场分析中有较大潜力。

一种新的计及备用约束的调度模型

电力工业解除管制后传统的调度模型无法适应新形势的要求。文章在唯一电力市场概念下建立了一种新的调度模型,该模型针对不同运行模式自动确定预定条件下适当的备用配置,该配置仅与运行模式和预想可靠性水平有关,具有明确的配置备用的目的。对10机组简单系统的分析表明,文章所提出的经济调度模型具有可行性和合理性。

基于遗传算法的电磁信号采集卫星多星规划方法

电磁信号采集卫星是一种对地观测卫星,其搜集的信息对工业、科研、军事等领域有着重要意义。对地观测卫星多星规划问题是一个复杂的组合优化问题,论文针对电磁信号采集卫星特点,考虑其主要约束条件,建立了多星联合规划数学模型,提出了基于遗传算法的信号采集卫星多星规划算法,比较了单点交叉算子与多点交叉算子的计算结果,提出了基于解修正和罚函数的约束处理方法,并比较了两种约束处理方法的处理结果。根据模拟的数据进行实验及分析,表明该方法能有效解决电磁信号采集卫星多星规划问题。

基于KLEE的软件漏洞测试用例自动生成技术

为解决KLEE中STP求解器无法对非线性求解约束条件求解的问题,将改进的遗传算法应用于KLEE中自动生成软件漏洞测试用例。通过改进遗传算法,将其应用于求解非线性方程并编程实现求解模块;通过KLEE的改进,让其能够调用遗传算法求解模块与STP求解器共同运行;通过接口的对接,完成KLEE中两个求解模块的并行运行,自动生成软件漏洞的测试用例。对比实验自动生成测试用例数据与原来KLEE的求解数据,对比结果表明了改进的遗传算法可应用于KLEE自动生成测试用例,其具有可行性、正确性、有效性。

基于蚁群算法的猜测符号执行的路径搜索

符号执行作为一种基本的程序分析技术,已被广泛应用于软件测试领域。研究表明,即使在现有的查询优化技术的支持下,约束求解也仍然是符号执行中最耗时的部分。猜测符号执行的思想是将多次约束求解合并成一次求解,从而减少约束求解消耗的时间。但是,猜测的成功率受猜测深度和路径搜索方向的影响,尤其是路径搜索的方向在较大程度上决定了整体猜测的成功率。因此,引导路径搜索向成功率高的方向进行,对提高猜测符号执行的整体效率至关重要。在猜测符号执行的路径搜索过程中引入蚁群算法,根据节点条件信息初次确定分支路径的权重,在多次迭代中根据分支路径的覆盖情况更新权重,通过权重决定路径搜索的方向。实验表明,该方法有效提升了猜测符号执行的效率。

基于遗传模拟退火算法约束求解算法

针对基于图构造方法的可扩展性差的缺陷,根据遗传模拟退火算法,结合空间约束求解,提出了基于遗传模拟退火算法的约束求解算法,解决了过约束和欠约束的问题,可扩展性也得到了提高.而且基于遗传模拟退火算法的约束求解算法有很强的全局搜索与局部快速收敛能力,从而提高了约束求解的效率.

改进的蚂蚁算法在几何约束求解中的应用

将几何约束问题转化为数值优化问题。把蚂蚁算法引入几何约束求解中。在所有的操作中,由于没有涉及到在 Newton-Raphson 中遇到的矩阵求逆操作,因此蚂蚁算法具有很强的鲁棒性。笔者在基本蚂蚁算中混入局部优化算法,对每代的最优解进行改进,进一步加快蚂蚁算法的收敛速度。为了避免蚂蚁一开始就失去解的多样性,笔者改进了选择策略。为了克服蚂蚁算法计算时间较长的缺陷,这里引入遗传算法中的变异算子,经过局部优化后,整个群体的性能会有明显改善,使得算法保持更好的多样性。由于该算法对方程的个数和变量的个数没有什么特殊的要求,因此可以处理欠约束问题。