DOI:10./j.issn.-..02.
一种基于模拟退火-改进二进制粒子群
算法的测试优化选择方法
张钊旭1,2,王志杰1,李建辰1,2,
王贵奇1,许军1,杨进候1
(1.中国船舶重工集团公司第研究所,陕西西安,;2.水下信息与控制国家重点实验室,陕西西安,)
摘要:武器系统装备性能的不断提高,复杂度的不断增加对测试性设计提出更高要求。为了解决测试性设计中测试优化选择这一非确定性多项式难题(NP-hard),文中提出一种模拟退火-改进二进制粒子群算法(SA-IBPSO)用于求解最优完备测试集。该算法以二进制粒子群算法(BPSO)为基础框架,采用异步变化的学习因子,产生时变的压缩因子,以增强BPSO算法的全局搜索能力,确保其收敛性,并取消了对速度的边界限制;然后,与具有概率突跳能力的模拟退火算法(SA)相结合,以避免BPSO算法在求解过程中陷入局部最优。最后,通过案例验证,并与其他算法的运行结果进行比较,证明该算法可以更有效地解决测试优化选择问题。
关键词:测试性设计;测试优化选择;模拟退火;二进制粒子群算法
0引言
武器系统装备性能的不断提升、复杂度不断增加,对其进行故障检测与诊断变得日益困难。因此,必须开展测试性设计,以提高系统故障检测与隔离的能力[1]。在测试性设计工作中,对系统装备进行全面的故障分析后设置的测试集中往往存在大量的冗余,通过测试优化选择剔除测试集中的冗余测试,可显著减少测试时间,降低费用。因此,在测试性设计工作中测试集的优化选择日益受到重视。测试集的优化选择是一个典型的非确定性多项式难题(non-deterministicpolynomialhard,NP-hard)问题[1],为此,多位学者提出不同的求解算法。苏永定[2]提出基于遗传算法(geneticalgorithm,GA)的测试选择方法;蒋荣华等[3]将粒子群算法(particleswarmoptimization,PSO)用于解决测试选择问题;陈希祥等[4]提出的混合二进制粒子群-遗传算法在进行测试优化时既可避免陷入局部最优,又能较快地到达收敛,成功率较高;代西超等[5]对遗传模拟退火算法进行了改进,并优化了适应度函数,有效提高了收敛速度,从而可更快地收敛到全局最优解。
文中提出一种模拟退火-改进二进制粒子群算法(simulatedannealing-improvedbinaryparticleswarmoptimization,SA-IBPSO),该算法在对二进制粒子群算法(binaryparticleswarmoptimization,BPSO)进行改进的基础上,结合模拟退火算法(simulatedannealing,SA),可以有效解决测试优化选择问题。
1测试优化选择建模
1.1故障-测试相关性矩阵
1.2最优完备测试集描述
1.3测试性指标参数
1.4优化模型
2基于SA-IBPSO算法的测试优化选择
2.1SA-IBPSO算法改进策略
2.2适应度函数的构造
2.3SA-IBPSO算法实现流程
3案例仿真验证
3.1案例1
3.2案例2
4结束语
文中针对测试优化选择问题进行了数学描述并构建了数学优化模型。在分别介绍了SA算法和BPSO算法的基础上,为了提高算法的全局搜索能力,避免陷入局部最优,从而对BPSO进行了改进,再与SA算法结合,提出了SA-IBPSO算法用于求解最优完备测试集。之后基于罚函数方法构造了适应度函数,并给出了SA-IBPSO算法解决测试优化选择问题的实现流程。最后,通过案例验证,并与其他算法的选择结果进行比较,证明了文中提出的SA-IBPSO算法可以更有效地解决测试优化选择问题。
——以上内容详见《水下无人系统学报》-2期P~
参考文献:
[1] 邱静,刘冠军,杨鹏,等.装备测试性建模与设计技术[M].北京:科学出版社,.
[2] 苏永定.机电产品测试性辅助分析与决策相关技术研究[D].长沙:国防科技大学,.
[3] 蒋荣华,王厚军,龙兵.基于离散粒子群算法的测试选择[J].电子测量与仪器学报,,22(2):11-15.
[4] 陈希祥,邱静,刘冠军.基于混合二进制粒子群-遗传算法的测试优化选择研究[J].仪器仪表学报,,30(8):-.
[5] 代西超,南建国,黄雷,等.基于改进遗传模拟退火算法的测试优化选择[J].空军工程大学学报(自然科学版),,17(2):70-75.
[6] 石君友.测试性设计分析与验证[M].北京:国防工业出版社,.
[7] 余胜威.MATLAB优化算法案例分析与应用[M].北京:清华大学出版社,.
[8] KennedyJ,EberhartRC.ParticleSwarmOptimization[C]//ProceedingsoftheIEEEInternationalConferenceonNeuralNetworks.Piscataway:IEEEPress,:-.
[9] 吕晓明,黄考利,连光耀.基于混沌遗传算法的测试选择优化问题的研究[J].弹箭与制导学报,,29(3):-.
[10] 吴涛,叶晓慧,王红霞,等.基于量子遗传算法测试选择问题的研究[J].计算机测量与控制,,18(11):-.
[11] 焦晓璇,景博,黄以锋,等.基于模拟退火离散粒子群算法的测试点优化[J].计算机应用,,34(6):-.