[发明专利]一种测试性设计中测试点定量选择方法

摘要

本发明公开了一种测试性设计中测试点定量选择方法，其步骤包括：步骤一，获取系统初始化参数，步骤二，计算种群适应度，建立自适应函数，步骤三，更新粒子个体和种群全局的最优值，步骤四，判断算法是否进入收敛状态，确定惯性权值，步骤五，判断是否达到最大迭代次数，达到最大次数则给出最优测试点。与现有技术相比，本发明能够有效提高测试性设计中测试点定量选择的优选效果，提高测试性设计指标检测率，隔离率，并降低测试性设计成本。

主权项

一种测试性设计中测试点定量选择方法，包括以下几个步骤：步骤一：获取系统初始化参数，包括：种群大小、种群初始位置、速度、加速因子、最大速度、最大迭代次数；步骤二：获取系统中种群各个粒子的适应度，建立自适应函数；(1)：判断是否具有约束惩罚项且为最小化约束，若存在，则利用改进的计算当代粒子适应度的公式：$fitness=w_1\mathrm{\Σ}C+\frac{w_2}{FIR}+\frac{w_3}{FDR}+p\left(x\right)$其中fitness为适应度函数，FIR为故障隔离率，FDR为故障检测率，p(x)为约束，w₁，w₂，w₃为设定的权值，∑C为测试所需的总费用；(2)：判断是否具有约束惩罚项且为最大化约束，若存在，则利用改进的计算当代粒子适应度的公式：$fitness=\frac{w_1}{\mathrm{\Σ}C}+w_2\·FIR+w_3\·FDR-p\left(x\right)$其中，p(x)为约束；(3)判断惯性权值是否具有同一数量级，若具有，则利用改进的同一数量级的粒子适应度公式$fitness={w_1}^{\′}\·\frac{1}{\min \left(c\right(T\left)\right)}\·\frac{1}{\mathrm{\Σ}C}+w_2\·FIR+w_3\·FDR-p\left(x\right)$其中，min(c(T)表示最低的测试性费用之和，∑C,w₁′、w₂、w₃是设定的权值，FDR是系统检测率，FIR是系统隔离率；步骤三：更新群体的全局极值以及粒子的个体极值，根据如下公式更新粒子速度，粒子速度表示粒子位置改变的概率；$v_{i,j}^{(k+1)}=v_{i,j}^{\left(k\right)}+c_1\·r_1\·({\mathrm{pbest}}_{i,j}^{\left(k\right)}-x_{i,j}^{\left(k\right)})+c_2\·r_2\·({\mathrm{gbest}}_j^{\left(k\right)}-x_{i,j}^{\left(k\right)})$其中，c₁、c₂是种群加速因子，表示粒子k时刻的速度，表示粒子k+1时刻的速度，是粒子速度，是当前粒子位置最优值，是所有粒子历史最优值，r₁，r₂是随机数，粒子位置只能取0、1；步骤四，判断使用的粒子群算法是否进入收敛状态，若否，更新惯性权值；若是，给出最优惯性权值；步骤五，判断是否达到最大迭代次数，达到最大次数则给出最优测试点，否则，转到步骤二。