[發明專利]基于效用函數的系統級測試性設計多目標優化方法

有效

• 申請號: 201910555024.6
• 申請日: 2019-06-25
• 公開（公告）號: CN110399968B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 楊成林;姬志周
• 申請（專利權）人: 電子科技大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

1.一種基于效用函數的系統級測試性設計多目標優化方法，其特征在于，包括以下步驟：

S1：根據電子系統的實際情況確定影響因素，記影響因素向量X＝[x₁,x₂,…,x_D]，其中x_d表示第d個影響因素的歸一化值，d＝1,2,…,D，D表示影響因素的數量；記需要優化的目標數量為M，確定每個優化目標的目標函數f_m(X)，m＝1,2,…,M，目標函數值越小，影響因素的組合越優；

S2：根據需要設置N個權重向量其中，表示權重向量W_i的第m個元素值，i＝1,2,…,N；兩兩計算權重向量之間的歐式距離，對于第i個權重向量，獲取與其歐式距離最小的前G個權重向量作為第i個權重向量的鄰居權重向量，從而得到第i個權重向量的鄰居集合B(i)＝{i₁,i₂,…,i_G}，i_g表示第i個權重向量第g個鄰居權重向量的序號，g＝1,2,…,G；

S3：初始化每個權重向量W_i對應的效用函數π_i＝1；

S4：將影響因素向量X＝[x₁,…,x_D]作為種群個體，對種群進行初始化，記種群大小為N；令迭代次數S＝1；

S5：計算初始種群中每個個體對應的M個目標函數f_m(X_i)的值，確定各個目標函數的理想參考值z_m＝min{f_m(X₁),f_m(X₂),…,f_m(X_N)}，得到初始理想參考點Z＝(z₁,z₂,…,z_M)^T，T表示轉置；

S6：根據效用函數π_i從小到大對當前種群中個體進行排序，選擇前K個個體，記這K個個體的集合為φ，其中K的大小根據實際需要確定；

S7：初始化個體序號i＝1；

S8：判斷是否X_i∈φ，如果是，進入步驟S9，否則進入步驟S11：

S9：在[0,1]范圍內生成一個隨機數rand，如果rand＜δ，δ表示預設的選擇池概率，則令個體選擇池E＝B(i)，否則令E＝{1,2,…,N}；

S10：采用以下方法基于個體X_i進行種群進化：

S10.1：從個體選擇池E隨機選擇一個序號r，將個體X_i和X_r作為父代個體進行交叉和變異操作，產生兩個子代個體y₁和y₂，分別根據以下公式計算兩個子代個體的適應度值g(y_v|W_i,Z)：

其中，v＝1,2；

如果g(y₁|W_i,Z)≤g(y₂|W_i,Z)，則令進化目標個體Y＝y₁，否則令進化目標個體Y＝y₂；

S10.2：計算進化目標個體Y對應的M個目標函數f_m(Y)的值，構成目標函數向量F(Y)＝(f₁(Y),f₂(Y),…,f_M(Y))；

S10.3：對于當前的理想參考點Z＝(z₁,z₂,…,z_M)^T中的每個理想參考值，如果z_m＞f_m(Y)，則令z_m＝f_m(Y)，否則不作任何操作；

S10.4：根據以下公式計算進化目標個體Y和當前種群中各個個體X_j的適應度差值U_j：

U_j＝g(X_j|W_j,Z)-g(Y|W_j,Z)

選擇適應度差值U_j最大的個體X_j，采用進化目標個體Y對其進行更新；

S11：判斷是否i＜N，如果是，進入步驟S12，否則進入步驟S13；

S12：令個體序號i＝i+1，返回步驟S8；

S13：判斷是否迭代次數S＜S_max，S_max表示預設最大迭代次數，如果是，則進入步驟S14，否則進入步驟S17；

S14：令迭代次數S＝S+1；

S15：判斷是否迭代次數S％S_π＝0，％表示求余，S_π表示預設的效用函數值的更新周期，如果是，進入步驟S16，否則不作任何操作，返回步驟S6；

S16：采用以下公式對每個效用函數π_i進行更新：

其中，Δ_i表示當前種群中第i個個體X_i適應度值的相對降低數，采用以下公式進行計算：

其中，g(X_i|W_i,Z)表示當前種群中第i個個體X_i的適應度值，表示前Q代種群中第i個個體的適應度值；

返回步驟S6；

S17：從當前種群中刪除被支配個體，剩余的個體集合即作為影響因素向量的帕累托最優解集，每個個體對應一個影響因素向量。