复杂时序约束下柔性测试任务多目标优化问题研究

柔性测试任务优化可以提高测试系统资源利用率、降低测试成本，目前在复杂时序约束和多目标协调方面存在求解难点。本项目基于整数规划模型研究求解方法，从问题初始解、迭代寻优过程、收敛性逐步开展研究工作，解决约束割裂可行域，邻域迭代信息受限，保持收敛性和解集多样性等难题。具体包括：1）面向时序约束网络的任务序列初始解，处理约束同时为迭代寻优过程提供满足约束的可行解；2）权重矢量思想下基于进化理论的迭代方法，研究权重矢量均匀化处理方法，保证解集多样性，提出基于任务熵的测试任务序列编码方法，保证邻域信息可达，利用权重矢量和邻域权重矢量方向迭代和邻域染色，收敛于Pareto前沿面；3）基于Markov链在依概率收敛和几乎处处强收敛意义下探讨求解方法的收敛性能；4）设计测试任务优化问题的标准算例，进行验证分析。本研究可以为该类整数规划问题理论和应用提供借鉴，并为航空测试系统资源优化配置提供技术基础。

本项目针对复杂时序约束下柔性测试任务多目标优化问题的求解方法开展研究工作。该问题可归纳为一个复杂约束条件下的多目标、整数规划问题。由于复杂约束割裂了可行空间，导致整数规划问题的可行域发生畸变。对于求解算法来说，交叉网状约束限制了其收敛到真正的Pareto前沿面或保持解集多样性分布的能力。.在研究过程中，分别从柔性测试任务调度问题的数学模型、测试任务实例、特性分析、适应度地形分析、时序约束处理方法、多目标评价指标、多目标调度方法以及验证分析、调度方法收敛性证明、调度解最终决策、柔性测试任务调度平台方面开展了研究工作，研究内容完全覆盖了项目的研究计划。. 基于相关研究，对柔性测试任务调度问题的模型、特性、求解方法及评价体系都取得了相应的研究成果。首次对柔性测试任务调度问题的适应度地形进行了分析，为相应的求解算法设计提供了借鉴和指导；提出了IES编码方法，融合了测试任务和测试方案的信息，减少了遗传操作的复杂性，同时也将离散问题转换为连续优化问题进行求解；提出了基于拓扑排序思想的时序约束处理方法，在调度过程中直接搜索可行域，同时为集成式的求解方法提供了保证；基于柔性测试任务调度问题的局优点较多等特点，提出了基于可变领域的MOA/MV调度方法、基于混沌融合的MOA/MV调度方法，并对所提出方法的收敛性进行了分析和证明；提出二次邻域控制曲线自适应的控制迭代寻优过程中的邻域大小，使得个体交叉范围更加合理，提高解集的质量。另外基于10种混沌映射、3种操作方式的融合，为避免调度算法陷入局部最优值提供了解决方案。 . 通过标准ZDT系列测试函数和不同规模测试任务调度问题实例的验证与分析，我们得到了具有很好收敛性的Pareto前沿面，解集的收敛性、多样性和均匀性指标都有很好的表现。同时算法具有良好的时间复杂性、寻优率。通过相关内容的研究，发表了SCI论文7篇（1区1篇，2区4篇，3区2篇），出版著作1部，申请发明专利3项。. 综上，本项目研究可以从理论上帮助认识复杂约束下多目标可行解集演化规则，提供一种该类整数规划问题的求解方法，形成统一的理论框架。这方面的研究对于测试任务优化问题本身以及整数规划理论的进一步完善，可以起到推动和借鉴作用。同时本研究在各类电子测试系统中有直接的应用，可以提高电子系统测试能力，又可以提升装备测试技术的应用水平。

内容获取失败，请点击重试