[发明专利]基于串并联遗传算法的多目标测试优选方法

权利要求书

1.一种基于串并联遗传算法的多目标测试优选方法，其特征在于，包括以下步骤：

S1：根据需要确定若干个电子系统的测试优选的优化目标和约束条件，优化目标包括测试经费最小化、测试时间开销最小化、故障隔离度最大化、故障检测率最大化中的两种或以上，约束条件参数包括故障隔离度、故障检测率、虚警率中的一种或以上，记优化目标的数量为N，并设置测试方案的优化目标函数f_n(x)，n＝1,2,…,N，优化目标函数值越小，测试方案越优，记约束条件为A≥A^*，A表示约束条件参数，A^*表示参数阈值；

S2：执行K次遗传算法，得到K个最优解集，遗传算法的具体步骤包括：

S2.1：初始化迭代次数t＝1，精英解集合随机生成Y个个体x_i，i＝1,2,…,Y，每个个体为一个长度为M的二进制码，M表示电子系统的测试数量；每个个体表示一个测试方案，当二进制码中第m个数据为0时，表示个体所对应测试方案中未选中第m个测试，当二进制码中第m个数据为1时，表示个体所对应测试方案中选中第m个测试，m＝1,2,…,M；

S2.2：从当前种群中筛选中符合约束条件的个体，加入精英解集合E；

S2.3：根据N个优化目标函数f_n(x)，计算当前精英解集合E每个个体x_d对应的N个优化目标函数值f_n(x_d)，d＝1,2,…,|E|，|E|表示当前精英解集合E中个体数量，两两比较个体的优化目标函数值，获取每个个体被支配的次数z_d；搜索当前精英解集合E中被支配次数最多和最少的个体，其被支配次数分别记为z_max和z_min；

S2.4：计算个体x_i的适应度值Fⁱ：

其中，Aⁱ表示个体x_i的约束条件参数值；

S2.5：如果t＜T，进入步骤S2.6，否则进入步骤S2.8：

S2.6：对当前种群中进行选择、交叉、变异操作，生成下一代种群；

S2.7：令t＝t+1，返回步骤S2.2；

S2.8：计算当前精英解集合E中每个个体对应的N个优化目标函数值，搜索当前精英解集合E中的非支配个体，即构成本次遗传算法的最优解集；

S3：合并步骤S2所获得的K个最优解集，得到集合U，如果集合U中的个体数量|U|等于Y，则将集合U作为种群V；如果|U|小于Y，则随机生成产生Y-|U|个体，与集合U一起构成种群V；如果|U|大于Y，则计算集合U中每个个体对应的N个优化目标函数值，两两比较个体的优化目标函数值，获取每个个体被支配的次数，将个体按被支配次数升序排列，取前Y个个体构成种群V；将种群V作为初始种群，执行一次步骤S2中的遗传算法，得到最优解集，其每个个体即为一个测试优选方案。