[发明专利]基于混合狼群算法的软件可靠性模型参数估计方法

权利要求书

1.一种基于混合狼群算法的软件可靠性模型参数估计方法，其特征在于：包括如下步骤：

步骤一：选取软件可靠性模型，G-O模型对软件系统中累积失效数的估计函数如式(1)所示：

m(t)＝a(1-e^-bt) (1)，

上式中：m(t)表示到时刻t为止的累积失效数的期望函数；a表示测试结束后软件期望被检测出来的失效总数；b代表剩余失效被发现的概率，即在时刻t产生的失效检出率，是一个比例常数，范围为(0,1)；

步骤二：初始化所有的参数，人工狼的总数wolfnum＝m＝60(粒子数)，探狼比例因子α＝4，距离判定因在因子W＝100，步长因子S＝100，更新比例因子β＝10，最大游走次数Tmax＝30最大迭代次数Gmax＝500，待寻优的第d个变量的取值范围是[lb,ub],其中ub＝π，lb＝-π，游走步长stepa＝(ub-lb)/S；奔袭步长stepb＝(ub-lb)/S*2；攻击步长stepc＝(ub-lb)/(S*2)；随机生成游走方向h为[hmin,hmax]的随机数,其中设置hmin＝2,hmax＝15适应值精度要求k≤1e(-5)，每头狼的位置即G-O模型的参数x初始化为(0,1)之间的随机数，这里x就是代表b的值，惯性权重W＝0.9，学习因子C1＝C2＝1.5，速度v为[-1,1]内的随机数；

步骤三：利用极大似然估计法构造适应值函数，将b分别代入适应值函数中，求出每个粒子当前初始适应值，最优的适应值赋值给leadY，最优适应值的位置的值作为leadX；

步骤四：判断是否满足算法停止条件：iter＝Gmax或ledaY的精度达到k，如果精度达到k，则转至步骤十六，否则执行步骤五；

步骤五：根据如下速度和位置的更新公式，更新每个粒子的速度和位置：

v′_i＝wv_i+c1r1(pbest_b_i)+c2r2(gbest_b-b_i)

b′_i＝v′_i+b_i (4)

其中，i＝1,2,…,60，代表60个粒子；r1、r2是介于[0,1]之间的随机数；

步骤六：探狼朝h个方向进行游走，根据游走公式(5)进行位置更新，并且求出更新后的位置上的适应值nexty；

公式(5)是表示沿着第p(p＝1,2,3，…，h)个方向所前进后探狼i在第d维空间中的位置；

步骤七：求出更新后的头狼的最优适应值leadY和最优的位置ledaX；

步骤八：头狼发起召唤行为，猛狼根据奔袭公式(6)向头狼奔袭；

公式(6)是表示第j匹猛狼经历第k+1次迭代次数时，在第d维空间中的位置，式中，表示第k代群体的头狼在第d维空间中所在的位置，表示猛狼j当前所处的位置，体现了狼的围猎基础，第二项表示猛狼j向头狼位置逐渐靠近的趋势；

步骤九：计算更新后的猛狼的适应值Mnexty，更新当前位置上的猛狼的适应值Y(j)以及X(j)；

步骤十：判断dis是否大于dnear，如果大于则执行步骤八，如果小于则执行步骤十一；

步骤十一：计算进入围攻狼根据公式(7)更新位置，同时求出适应值Gnexty，并更新当前位置的值；

第k代狼群中，设猎物在第i维空间中的位置为可用公式(7)用来表示狼群的围攻行为，其中，λ为[-1,1]间分布的随机数；为人工狼i在第d维空间中采取围攻行为时的攻击步长；

步骤十二：判断第i个狼更新后的位置Xi的精度是否小于1e-5，若为是，则抛弃该粒子更新的位置，使用原来的位置代替，否则，保留更新的位置上的值，并执行步骤十三；

步骤十三：根据狼群的更新机制，执行强者生存，舍弃最差的R匹狼；

步骤十四：随机生成R匹狼，并计算R匹狼的适应值；

步骤十五：iter＝iter+1，转至步骤四；

步骤十六：满足算法结束条件，将最优适应值leadY和最优的位置leadX输出；

步骤十七：已知b的值，根据公式求解参数a的值。

2.根据权利要求1所述的基于基于混合狼群算法的软件可靠性模型参数估计方法，其特征在于，所述步骤三中利用极大似然估计法构造适应值函数，其方法是：

首先，使用极大似然法估计出参数a、b的计算公式，如式(2)所示：

其中，n表示已知的失效数；t_i为第i个失效发生的时刻；i＝1,2,3,...n；

然后，将公式(2)中的第一项代入到第二项中并进行数学变换，构造成一个只与参数b相关的适应值函数，如下式(3)所示：

其中，f表示解的适应值，n表示已知的失效数，t_n表示第n个失效发生的时刻，t_i表示第i个失效发生的时刻。