基于改进差分进化算法的测试序列优化技术研究

《基于改进差分进化算法的测试序列优化技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇人‘－泉非占．ＶＩ誦績辣ＩＵＤＣ号—学―、，＊’Ｊ．－ｉ－：；、Ｖｒ．．内．’．‘；：－＂．：挪：：．Ｖ说、厶．ｆ／，ｉ嘉＃ｆ；’評‘＊々終之乂葦：，勺＠方１＃巧写璋．．鄉ｆｆ’潔‘－＇．＇Ｗ．ｖ５心＼＾雛；硕±学位论文’Ｔｈｅｓｉｓ化ｒＭａｓｔｅｒｓＤｅｇｒｅｅ■本巧．Ｖ，■‘＇？＊Ｖ－－．．ｔ；ｖ’＇＇‘＇明论文题目基于改进差分进化算法的测试序列．．优化技术研究‘争

2、嘴心夺；％辦轉吃：如ｉｒ运－Ｉ’工程硕±＼，申请学位类别ｔ＇■－＇Ｗ＆巧，＇专业名称计算机技术硏究生姓名胡玉婷ｉ导师姓名、职祿邱晓红教授二０—六年五月；Ｔ托山；．＞阔類終妓列ｆ．．’Ｖ＇二ｉ４；ｆ沒ｉ鍊分类号：密级：UDC：学号：硕士学位论文基于改进差分进化算法的测试序列优化技术研究TheResearchofOptimalTestSequenceBasedonImprovedDifferentialAlgorithm学位类别：工程

3、硕士作者姓名：胡玉婷学科、专业：计算机技术研究方向：智能进化算法指导教师：邱晓红教授2016年5月28日学位论文独创性声明本人声明所呈交的论文是本人在导师指导下进行的研巧工作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含己获得江西理工大学或其他教育机构的学位或证书而使用过的材料一。与我同王作的同志对本研巧所做的任何贡献均己在论文中做了明确的说明并表示谢意。一申请学位论文与资料若有不实之处，切相关责任本人承担。

4、：硏究生签名；时间个年：＾月日学位论文版权使用授权书本人完全了解江西理工大学关于收集、保存、使用学位论文的规定：即学校有权保存按要求提交的学位论文印刷本和电子版本，学校有权将将学文论文的全部或者部分内容编入有关数据库进行检索、汇编供查阅，并采用影印、缩印或扫描等复制手段保存和借阅．学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版。本人允许本学位论文被查阅和借阅，同意学校向国家有关部口或机构送交论文的复印件和电子版，并通过网络向社会公众提供信息服务。保密的学位

5、论文在解密后适用本授权书学位论文作者签名导师签名：签字日期：乃年Ｘ月引日签字日期：年長月弓日ｖｊ＼江西理工大学硕士学位论文摘要摘要近年来，许多重要的电子设备如火箭发射系统、卫星导弹系统、雷达探测系统的集成度不断提高，其内部结构和功能复杂度也不断加大。这对系统的故障检测和诊断提出了更高的技术要求。其中测试序列设计就是故障诊断过程中必须要解决的NP-complete。传统的测试序列优化方法存在着测试时间太长、难以自动生成故障决策树或无法满足测试性指标等大量问题，已经不适合对复杂系统进行故障诊断。

6、差分进化(DE)算法因其简单的结构、较少的可调参数和容易实现等特点而备受倾睐，本文利用改进的差分进化算法对多信号模型系统下建立的测试-故障矩阵进行序列设计，得到了较小的故障诊断测试代价和较少的测试点集，具有实际的工程意义。具体研究工作如下：(1)首先，在多信号流图模型下对最优测试序列问题进行数学建模，以此为基础构造了测试序列问题的参数五元组(S,P,T,C,D)模型；提出用差分算法求解该问题，并对该算法进行了参数自适应改进。在不增加算法复杂度下，为寻求全局最优和收敛速率上的平衡，提出一种参数自适应惯性速度

7、双模式差分进化算法(IDDE)，通过构造双模式变异策略，给每个个体增加惯性速度项，对标准测试函数进行测试。研究显示改进的算法能有效降低算法对参数的敏感性且寻优能力更强。为差分算法的改进提供理论基础。(2)其次，为了提高差分算法的求解精度让其适应更多更复杂的问题，构造了一种由分形因子动态修正DE的尺度因子F和交叉因子CR的新算法—分形差分进化算法(FDE)。运用标准测试函数对其进行测试并和目前公认的性能较优的改进DE算法进行比较，实验表明所提算法的有效性和正确性。通过构造新型适应度评估函数，对复杂的电子系统

8、模型进行最优测试序列设计。实验结果显示测试点减少了，测试代价降低了，具有实际的工程意义。(3)最后，针对大型电子设备内部结构过于庞大而出现故障隔离时间长和不能快速生成故障决策隔离树等问题。提出一种DE算法和AO*算法相结合的并行混合算法DE-AO*。利用DE并行优化的特点首先优选一组测试集，再通过AO*强有力的启发搜索能力并能自动生成决策树对每一步测试点进行排序，降低了系统的计算复杂度，有效避免“计算爆炸”等问题。运用该改进算