基于混合二进制粒子群-遗传算法的测试优化选择研究[j]

《基于混合二进制粒子群-遗传算法的测试优化选择研究[j]》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于混合二进制粒子群-遗传算法的测试优化选择研究*陈希祥，邱　静，刘冠军（国防科学技术大学机电工程与自动化学院　长沙　410073）摘　要：测试优化选择是一个组合优化问题。通过对测试选择的目标和约束条件进行深入分析,建立了其数学模型,并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集。该算法将遗传算法中的遗传算子引入到二进制粒子群算法中,既避免陷入局部最优和早熟收敛现象,又提高了搜索效率。大量实验证明,对于测试优化选择问题,混合粒子群-遗传算法能够快速有效的获得全局最优解。关键词：测试性设计

2、；测试选择；遗传算法；二进制粒子群算法中图分类号：TP26　N945　　文献标识码：A　　国家标准学科分类代码：510.80OptimaltestselectionbasedonhybridBPSOandGAChenXixiang,QiuJing,LiuGuanjun(CollegeofMechatronicalEngineeringandAutomation,NationalUniversityofDefenseTechnology,Changsha410073,China)Abstract：Testselect

3、ionisoneofthecombinatorialoptimizationproblems.Basedondeepanalysisofobjectivesandconstraintsoftestselection,amathematicalmodelisfounded,andahybridalgorithmbasedonBPSOandGAisproposedtosolvetheminimumcompletetestsetthatsatisfiesthetestabilityrequirements.Through

4、introducinggeneticoperatorsintotheBPSO,thealgorithmnotonlyavoidsthelocaloptimizationandprematureconvergence,butalsoimprovesthesearchingefficiency.Experimentsshowthattheproposedalgorithmisfastandeffectivetoachieveglobaloptimalsolutionoftestoptimizationselection

5、problems.Keywords：designfortestability;testselection;GA;BPSO第8期陈希祥等：基于混合二进制粒子群–遗传算法的测试优化选择研究16751　引　　言随着武器装备系统性能的提高和复杂性的日益增加，对其进行故障检测与诊断的难度越来越大，开展测试性设计已是当务之急[1]。系统测试性方案优化设计是测试性设计的重要组成部分。作为测试性方案的重要内容之一，测试优化选择[1-2]是测试性方案优化工作的开始，将关系到整个测试性设计工作的好坏，这一问题越来越受到人们的关注。测试

6、选择的目的在于：在系统所有可能的测试配置中，寻找满足系统测试性参数指标要求的最佳测试组合，使得测试代价最小。从数学上讲，测试选择问题是一个组合优化问题，可用集合覆盖模型进行描述。集合覆盖问题是一个NP完全问题，目前许多文献都提出了相应的求解算法[2-7]，其中遗传算法（geneticalgorithm，GA）和粒子群算法（particleswarmoptimization，PSO）都取得了一定的效果，但由于问题本身固有的难度，求解效率与准确性都不尽如人意。尤其随着装备系统复杂程度的提高，集合规模的增大，需要寻求新的

7、有效算法以获得最优解。收稿日期：2008-12　　ReceivedDate：2008-12*基金项目：国家“十一五”部委预研项目资助无免费午餐定理[8]说明，对于所有优化问题集，任意两种不同的优化算法平均优化性能是相同的。也就是说，没有一种优化算法在所有性能上，包括计算效率、全局搜索性、通用性和简洁性等方面都占有优势。因此本文针对遗传算法和粒子群算法的不足，将遗传算法和二进制粒子群算法（binaryversionofPSO，BPSO）结合起来，提出一种用于求解测试选择的混合二进制粒子群-遗传算法（hybridBPS

8、OandGA，HBPSOGA）。实验证明该算法能够有效、快速地收敛到全局最优解。第8期陈希祥等：基于混合二进制粒子群–遗传算法的测试优化选择研究16752　问题的描述与建模2.1　故障-测试相关性矩阵对系统进行FMECA分析，获得系统所有的潜在故障集，令表示故障的故障率，定义故障率矢量。可供选择的测试构成n维备选测试集，其测试代价矢量，此处的测试代价是一个广