Optimal Test Points Selection Based on Multi-Objective Genetic Algorithm

A new approach to select anoptimal set of test points is proposed. The described method uses fault-wise table and multi-objective genetic algorithm to find the optimal set of test points. First, the fault-wise table is constructed whose entries are measurements associated with faults and test points. The selection of optimal test points is transformed to the selection of the columns that isolate the rows of the table. Then, four objectives are described according to practical test requirements. The multi-objective genetic algorithm is explained. Finally, the presented approach is illustrated by a practical example. The results indicate that the proposed method can efficiently and accurately find the optimal set of test points and is practical for large scale systems.

离散萤火虫算法的复杂装备测试点优化选择

测试点优化选择是复杂装备测试性设计的重要环节,本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型,接着对传统的萤火虫算法(FA)进行了离散化改进,给出了离散化萤火虫算法的实施步骤,并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性,并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示:在满足系统要求的故障检测率和故障隔离率的前提下,利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明:离散萤火虫算法能快速收敛到更高质量的全局最优解,避免过早收敛而陷入局部最优值,对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。

基于混沌多目标粒子群算法的测点优选方法

模拟电路的测点优选问题旨在寻找总测试代价最低、测试性能最好的测点集合。之前的研究通常把最高测试性能作为约束条件,以单目标优化思想搜索代价最小的测点集合。而实际应用中,对测点集合的需求是多样化的,需要根据实际需求调整性能和代价间的关系。提出了混沌多目标粒子群算法,该算法采用多目标优化思想,能同时找到多样化的方案,并根据多目标优化问题的特点,加入了混沌机制提高算法的搜索能力。实验结果表明,该算法能找到对应不同测试性能的最优测点集合,与其他算法相比,算法成功率最高、找到的方案最多且运行速度较快。对模拟电路的可测性设计和故障诊断很有帮助。

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。

基于改进量子进化算法的测试优化选择

基于相关模型的测试优化选择是复杂电子系统测试性设计中的一个重要问题。文中首先建立了测试优化选择的数学模型,然后提出一种改进的量子进化算法对其求解。算法核心在于根据测试选择的特点设计了一种新的适应度函数,同时改进了基本量子进化算法的旋转角确定方法,既能防止算法限于局部极值,又能加快收敛速度。为了充分验证算法的有效性及先进性,将其应用于大量仿真实例。结果表明,与现有测试选择算法相比,该算法在求解精度和收敛速度方面均优于已有算法,因而适合于复杂电子系统的测试优化选择问题求解。

基于Rollout算法的模拟电路测点选择

针对模拟电路的测点选择问题,对整数编码故障字典进行了研究。分析了基于信息熵算法的测点选择算法,并采用Rollout算法对信息熵算法进行优化,建立了一种新的测点选择算法,给出了新算法的详细计算过程和计算效果。试验结果表明,新算法的计算效果优于信息熵算法,且随着故障字典复杂度的增加,优势更加明显。

基于改进克隆选择算法的仓储布局优化设计

为克服现有仓储布局优化策略存在的诸多缺陷,提出一种基于引入疫苗策略的改进克隆选择算法,通过在疫苗选取和接种过程中采用轮盘赌算法、克隆增殖过程中结合抗体亲和度和抗体浓度计算克隆规模、克隆抑制保留优良抗体、引入随机抗体等优化策略,提高了运算的收敛速度和寻优效率,增加了种群多样性,该算法实现满足存取作业需求和给定条件约束的仓储布局。仿真试验及对比分析表明,该算法收敛速度更快、存取路径更短,因而仓储效率更高。

测试不可靠条件下基于量子进化算法的测试优化选择

测试优化选择是复杂电子系统测试性设计中的一个重要问题.首先从测试容差的角度分析了测试发生漏检和虚警的原因,在此基础上建立了测试不可靠条件下一种新的测试选择模型,模型以测试代价、漏检代价和虚警代价之和最小为优化目标,以故障检测率和故障隔离率为约束条件;然后提出一种改进的量子进化算法对模型求解,该算法通过改进一种已有可靠测试选择算法而成,包括种群初始化、适应度计算和种群的进化策略.最后通过两个仿真实例验证了求解算法及模型的有效性和优越性.

基于多信号流图模型的导弹系统级测试性设计研究

针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试性模型,根据可达性算法得到故障-测试相关性矩阵,确定系统的测试性指标。考虑到现有算法如遗传算法、二进制粒子群算法等诸多算法的缺点,提出采用混合离散二进制粒子群-遗传算法对测试进行优化选取,将22个备选测试减少至14个,大大减少测试个数。最后通过实例验证,所提算法可以满足系统测试性指标精度要求,并有效降低测试个数,减少测试费用。

基于MOPSO-NSGA2算法的测试优化选择方法

测试优化选择是测试性设计至关重要的一个步骤,主要针对测试不可靠条件下的测试优化选择问题进行了研究。首先将该问题还原为多目标问题来分析,在此基础上以测试数量、测试成本、虚警率为目标,故障检测率、隔离率为约束条件建立了问题的数学模型;然后以贝叶斯网络测试性模型为基础,利用提出的MOPSO-NSGA2算法求解该问题;最后利用所提算法对某导弹机载无线电高度表开展测试优化选择设计,并与MOPSO算法、NSGA-2算法进行对比,验证了方法的有效性与实用性。