[发明专利]三维片上网络中基于Petri网的测试规划方法

权利要求书

1.三维片上网络中基于Petri网的测试规划方法，其特征是，包括如下步骤：

步骤1、建立TTPN模型，并根据测试要求确定初始标识、终止标识和变迁时延集；

步骤2、初始化蝙蝠种群的最大发生频率f_max和最小发生频率f_min，响度以及脉冲发生率；初始化惯性权重关联至各变迁；

步骤3、随机生成当前代的测试路径分配种群和对应的测试顺序调度种群；其中测试路径分配种群表示IP核的测试数据包被分配到TAM的编号，测试顺序调度种群表示每条TAM上分配的IP核的测试顺序；

步骤4、将当前代的测试路径分配种群和对应的测试顺序调度种群转换成当前代的变迁激发序列；

步骤5、判断当前代的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤6；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤3；

步骤6、运行Petri网，根据当前的变迁激发序列实施变迁，并计算出系统的当前标识，当当前标识等于终止标识时，Petri网运行终止；

步骤7、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算当前代的种群适应度值；

步骤8、利用改进的蝙蝠算法更新规则，分别对当前代的测试路径分配种群和对应的测试顺序调度种群进行两级递阶更新；

步骤8.1、由当前种群确定路径分配方案，基于该方案对下代种群迭代更新寻找最优测试顺序；在第k代，蝙蝠位置和频率按如下公式更新：

$x_i^k={\mathrm{\ω}}_k{x}_i^{k-1}+f_{1k}(p_{id}-x_i^{k-1})+f_{2k}(p_{gd}-x_i^{k-1})$

f_1k＝f_min+(f_max-f_min)exp(-|T_avg(k)-T_best(k)|)

f_2k＝1-f_1k

式中，k为当前代数，i为IP核标号，为第k代蝙蝠种群的位置，f_1k为念旧频率，f_2k为嫉妒频率，ω_k为第k代蝙蝠种群的惯性权重，p_gd为全局最优位置，p_id为个体经历的最优位置，f_min为蝙蝠种群的最小发生频率，f_max为蝙蝠种群的最大发生频率，T_avg(k)为第k代蝙蝠种群的平均适应度值；T_best(k)为第k代蝙蝠种群的最优适应度值；

步骤8.2、最优顺序种群确定后，相应的测试路径分配种群接收各顺序种群搜索到的最优解，并对蝙蝠位置进行下一代寻优；

步骤9、将更新后的最优测试路径分配种群和对应的测试顺序调度种群转换成更新后的变迁激发序列；

步骤10、判断更新后的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤11；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤8；

步骤11、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算更新后的种群适应度值；

步骤12、判断更新后的种群是否可接受；对每一只蝙蝠产生一个随机数，若该随机数小于当前代蝙蝠种群的平均音量，且更新后的种群适应度值小于当前代的种群适应度值，则更新当前代的种群适应度值所对应的变迁激发序列、以及更新当前代的测试路径分配种群和对应的测试顺序调度种群；否则，当前代的种群适应度值所对应的变迁激发序列、以及当前代的测试路径分配种群和对应的测试顺序调度种群保持不变；

步骤13、判断更新代数是否达到设定代数阈值k_max；若达到设定代数阈值，则将当前代的种群适应度值所对应的变迁激发序列解码后作为最优测试规划方案输出；若没有达到设定阈值，则返回步骤8。