[发明专利]基于效用函数的系统级测试性设计多目标优化方法

权利要求书

1.一种基于效用函数的系统级测试性设计多目标优化方法，其特征在于，包括以下步骤：

S1：根据电子系统的实际情况确定影响因素，记影响因素向量X＝[x₁,x₂,…,x_D]，其中x_d表示第d个影响因素的归一化值，d＝1,2,…,D，D表示影响因素的数量；记需要优化的目标数量为M，确定每个优化目标的目标函数f_m(X)，m＝1,2,…,M，目标函数值越小，影响因素的组合越优；

S2：根据需要设置N个权重向量其中，表示权重向量W_i的第m个元素值，i＝1,2,…,N；两两计算权重向量之间的欧式距离，对于第i个权重向量，获取与其欧式距离最小的前G个权重向量作为第i个权重向量的邻居权重向量，从而得到第i个权重向量的邻居集合B(i)＝{i₁,i₂,…,i_G}，i_g表示第i个权重向量第g个邻居权重向量的序号，g＝1,2,…,G；

S3：初始化每个权重向量W_i对应的效用函数π_i＝1；

S4：将影响因素向量X＝[x₁,…,x_D]作为种群个体，对种群进行初始化，记种群大小为N；令迭代次数S＝1；

S5：计算初始种群中每个个体对应的M个目标函数f_m(X_i)的值，确定各个目标函数的理想参考值z_m＝min{f_m(X₁),f_m(X₂),…,f_m(X_N)}，得到初始理想参考点Z＝(z₁,z₂,…,z_M)^T，T表示转置；

S6：根据效用函数π_i从小到大对当前种群中个体进行排序，选择前K个个体，记这K个个体的集合为φ，其中K的大小根据实际需要确定；

S7：初始化个体序号i＝1；

S8：判断是否X_i∈φ，如果是，进入步骤S9，否则进入步骤S11：

S9：在[0,1]范围内生成一个随机数rand，如果rand＜δ，δ表示预设的选择池概率，则令个体选择池E＝B(i)，否则令E＝{1,2,…,N}；

S10：采用以下方法基于个体X_i进行种群进化：

S10.1：从个体选择池E随机选择一个序号r，将个体X_i和X_r作为父代个体进行交叉和变异操作，产生两个子代个体y₁和y₂，分别根据以下公式计算两个子代个体的适应度值g(y_v|W_i,Z)：

其中，v＝1,2；

如果g(y₁|W_i,Z)≤g(y₂|W_i,Z)，则令进化目标个体Y＝y₁，否则令进化目标个体Y＝y₂；

S10.2：计算进化目标个体Y对应的M个目标函数f_m(Y)的值，构成目标函数向量F(Y)＝(f₁(Y),f₂(Y),…,f_M(Y))；

S10.3：对于当前的理想参考点Z＝(z₁,z₂,…,z_M)^T中的每个理想参考值，如果z_m＞f_m(Y)，则令z_m＝f_m(Y)，否则不作任何操作；

S10.4：根据以下公式计算进化目标个体Y和当前种群中各个个体X_j的适应度差值U_j：

U_j＝g(X_j|W_j,Z)-g(Y|W_j,Z)

选择适应度差值U_j最大的个体X_j，采用进化目标个体Y对其进行更新；

S11：判断是否i＜N，如果是，进入步骤S12，否则进入步骤S13；

S12：令个体序号i＝i+1，返回步骤S8；

S13：判断是否迭代次数S＜S_max，S_max表示预设最大迭代次数，如果是，则进入步骤S14，否则进入步骤S17；

S14：令迭代次数S＝S+1；

S15：判断是否迭代次数S％S_π＝0，％表示求余，S_π表示预设的效用函数值的更新周期，如果是，进入步骤S16，否则不作任何操作，返回步骤S6；

S16：采用以下公式对每个效用函数π_i进行更新：

其中，Δ_i表示当前种群中第i个个体X_i适应度值的相对降低数，采用以下公式进行计算：

其中，g(X_i|W_i,Z)表示当前种群中第i个个体X_i的适应度值，表示前Q代种群中第i个个体的适应度值；

返回步骤S6；

S17：从当前种群中删除被支配个体，剩余的个体集合即作为影响因素向量的帕累托最优解集，每个个体对应一个影响因素向量。