基于分组编码遗传算法的不可靠测试优选方法技术

本发明专利技术公开了一种基于分组编码遗传算法的不可靠测试优选方法，将每个测试工序下的所有测试作为一个分组，分别对每个分组采用遗传算法得到该测试工序下的最优测试集，在遗传算法中个体适应度函数的设定规则为：当个体染色体编码对应测试集中选中测试的目标检测率未达到预设的测试工序的目标检测率指标时，适应度值为0，当达到预设的测试工序的目标检测率指标时，个体染色体编码对应测试值中选中测试的测试代价总和越低，适应度函数的值越大；将每个测试工序下得到的最优测试集组合得到总的测试集，如果总测试集的检测率没有达到总目标检测率，逐个加入未选中的测试，直到满足总目标检测率。本发明专利技术在保持精度的情况下，提高了寻优的效率。

【技术实现步骤摘要】

本专利技术属于板级电路故障诊断
，更为具体地讲，涉及一种基于分组编码遗传算法的不可靠测试优选方法。
技术介绍
在板级电路系统的故障诊断过程中，由于电磁干扰，环境变化等各种因素的影响，测试的结果并不一定是完全准确的。若在实际测试过程中忽略了这些不确定因素，很可能会导致错误的测试结果。错误诊断会产生额外的测试费用，随着系统复杂度的增加，额外测试费用很可能会超出测试本身的代价。对测试自身的不可靠性的考虑显得尤为重要。板级电路测试过程中，整个测试流程往往需要多个测试工序完成，每个测试工序下包含不同的测试。如何在满足各工序下故障检测率的情况下，选择合适的算法使所用测试代价最小也是值得研究的问题。在实际的电路系统中，测试对故障的检测在大多数情况下是不可靠的，即检测概率不为1。可以采用一个五元组<S,T,P,D,C>来描述不可靠测试下板级电路系统的测试性模型，各元素的具体含义如下：(1)S＝{s0,s1,…,sm

【技术保护点】
一种基于分组编码遗传算法的不可靠测试优选方法，其特征在于，包括以下步骤：S1：将每个测试工序下的所有测试作为一个分组，分别对每个分组采用遗传算法得到该测试工序下的最优测试集，具体步骤包括：S1.1：生成初始种群，每个个体染色体的编码为该分组中所有测试不同测试集对应的布尔向量；S1.2：计算种群中每个个体的适应度值，适应度函数的设定规则为：当个体染色体编码对应测试集中选中测试的目标检测率未达到预设的测试工序的目标检测率指标时，适应度值为0，当达到预设的测试工序的目标检测率指标时，个体染色体编码对应测试值中选中测试的测试代价总和越低，适应度函数的值越大低；S1.3：判断是否达到预定的迭代结束条件，如果达到，从种群中选择适应度值最大的个体，其对应的测试集即为最优测试集，如果没有达到，进入步骤S1.4；S1.4：采用选择算子对父代染色体进行选择，适应度值越大，被选中的概率越大；然后利用交叉算子对染色体进行交叉操作，最后按预定概率进行变异操作，生成新一代种群，返回步骤S1.2；S2：将步骤1得到的每个测试工序下的最优测试集组合成为总的测试集；S3：如果总测试集的检测率达到总目标检测率，该总测试集即为总的最优测试集，否则进入步骤S4；S4：在总测试集未选中的测试中选择一个测试加入测试集，返回步骤S3。...

【技术特征摘要】
1.一种基于分组编码遗传算法的不可靠测试优选方法，其特征在于，包括
以下步骤：
S1：将每个测试工序下的所有测试作为一个分组，分别对每个分组采用遗
传算法得到该测试工序下的最优测试集，具体步骤包括：
S1.1：生成初始种群，每个个体染色体的编码为该分组中所有测试不同测试
集对应的布尔向量；
S1.2：计算种群中每个个体的适应度值，适应度函数的设定规则为：当个体
染色体编码对应测试集中选中测试的目标检测率未达到预设的测试工序的目标
检测率指标时，适应度值为0，当达到预设的测试工序的目标检测率指标时，个
体染色体编码对应测试值中选中测试的测试代价总和越低，适应度函数的值越
大低；
S1.3：判断是否达到预定的迭代结束条件，如果达到，从种群中选择适应度
值最大的个体，其对应的测试集即为最优测试集，如果没有达到，进入步骤S1.4；
S1.4：采用选择算子对父代染色体进行选择，适应度值越大，被选中的概率
越大；然后利用交叉算子对染色体进行交叉操作，最后按预定概率进行变异操
作，生成新一代种群，返回步骤S1.2；

【专利技术属性】
技术研发人员：杨成林，焦志敏，刘震，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51