[发明专利]基于分组-综合多目标进化的多任务测试优选方法

摘要

本发明公开了一种基于分组‑综合多目标进化的多任务测试优选方法，首先对每个任务模式分别采用多目标进化算法得到测试优选的精英个体集合，其中多目标进化算法中的个体为测试方案选择向量，进化目标为预设的测试性指标在该任务模式下的进化目标，各个进化目标的约束条件为测试性指标在该任务模式下的约束条件，然后根据各个任务模式的精英个体集合采用多目标进化算法进行多任务综合测试优选，其个体的元素为各个任务模式精英个体在对应集合中的序号，根据求得的精英个体集合得到多任务测试方案选择向量，即为多任务测试优选的非支配解。采用本发明可以更快速地得到多目标情况下多任务测试优选的非支配解，且能使求解结果更加准确。

主权项

1.一种基于分组‑综合多目标进化的多任务测试优选方法，其特征在于，包括以下步骤：S1：根据系统信息获取系统的多任务测试依赖矩阵，根据实际需要选择多任务测试优选参照的测试性指标，包括故障检测率或故障隔离率，确定系统总体和每个任务模式下各个测试性指标的进化目标，以及故障检测率或故障隔离率的约束条件；定义测试方案选择向量X＝[b₁,b₂,…,b_Q]，q＝1,2,…,Q，Q表示测试方案数量，b_q取值为0或1，b_q＝0表示第q个测试方案未选取，b_q＝1表示第q个测试方案选取，记第m个任务模式下测试性指标F_n的计算公式为m＝1,2,…,M，M表示任务模式数量，记系统总体的测试性指标F_n的计算公式为S2：对每个任务模式分别采用多目标进化算法得到测试优选的精英个体集合Y_m，其中多目标进化算法中的个体为测试方案选择向量X＝[b₁,b₂,…,b_Q]，进化目标为步骤S1中所选择的N个测试性指标F_n在该任务模式下的进化目标，各个进化目标的约束条件为测试性指标在该任务模式下的约束条件，对于每个个体根据多任务测试依赖矩阵按照该任务模式下的测试性指标计算公式计算其进化目标值；S3：根据步骤S2所得到的各个任务模式的精英个体集合Y_m，设置多目标进化算法的个体为X′＝[x′₁,x′₂,…,x′_M]，其中x′_m表示第m个任务模式的精英个体序号，其取值范围为1≤x′_m≤|Y_m|，|Y_m|表示精英个体集合Y_m中的精英个体数量；进化目标为步骤S1中所选择的N个测试性指标F_n在系统总体的进化目标，各个进化目标的约束条件为测试性指标在系统总体的约束条件；对于每个个体根据多任务测试依赖矩阵按照系统总体测试性指标的计算公式计算其进化目标值，其中X_all＝y(x′₁)|y(x′₂)|…|y(x′_M)，y(x′_m)表示精英个体集合Y_m中第x′_m个精英个体；根据以上设置运行该多目标进化算法，得到精英个体集合Z，其中每个精英个体Z_d＝[z_d1,z_d2,…,z_dM]对应一个多任务测试方案选择向量即z_dm表示精英个体集合Z中第d个精英个体中第m个任务模式的精英个体序号，y(z_dm)表示精英个体集合Y_m中第z_dm个精英个体，d＝1,2,…,|Z|，|Z|表示精英个体集合Z中精英个体数量；从而获得|Z|个多任务测试方案选择向量，即为多任务测试优选的非支配解。