组合分布估计和差分进化的多目标优化算法

为了提高多目标优化算法的收敛能力及求解精度,提出了一种组合分布估计和差分进化的多目标优化算法.该方法用分布估计算法和差分进化算法共同生成种群中的粒子,利用选择因子来控制每个粒子的产生方式,并且根据迭代次数的增加来改变2种算法的使用比例,搜索初期利用分布估计算法进行快速定位,然后用差分进化算法进行精确搜索.并对差分进化算法的变异因子进行了改进,定义了一个可变的变异因子,来控制不同搜索时期中差分进化算法的变异范围.用4个测试函数对算法进行了仿真测试,并同NSGA-Ⅱ和RM-MEDA进行了比较.实验结果表明,该算法具有良好的收敛性和分布性,并且效果稳定.     

基于群智能的模糊多目标软件可靠性冗余分配

针对软件可靠性冗余分配问题,建立了一种模糊多目标分配模型,并提出了基于分布估计的细菌觅食优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊多目标进行处理,用高斯分布对细菌觅食算法进行优化,并将该优化算法用来求解多目标软件可靠性冗余分配问题,设置不同的隶属函数参数可以得到不同的Pareto最优解,实验数据验证了该群智能算法对解决多目标软件可靠性分配的有效性和正确性,Pareto最优解可为在可靠性和成本之间决策提供依据。     

基于粒子群优化算法求解软件可靠性分配问题

首先介绍粒子群优化的搜索策略与基本算法,通过构造具有自适应权重ω的改进方法,有效地改善了粒子群优化算法的搜索效率和搜索精度,并应用于求解软件可靠性分配问题中。实验表明了PSO在求解软件可靠性分配问题的有效性。     

自适应混合多目标分布估计进化算法

针对多目标分布估计算法全局收敛性较弱的缺陷,提出了一种自适应混合多目标分布估计进化算法。其基本思想是:在多目标分布估计算法中引入全局收敛性较强的差分进化算法,当函数变化率较大时,用分布估计算法产生新种群;当函数变化率较小即算法可能陷入局部收敛时,用差分进化算法产生新种群。理论分析和数值实验结果表明,这种混合算法不仅具有良好的全局收敛性,而且解的分布性和均匀性较没有考虑目标函数变化率的混合多目标分布估计算法也有了一定程度的提高。     

基于免疫算法和EDA 的混合多目标优化算法

在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objectiveoptimization).HIAEDA 的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA 的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA 算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA 与NSGAII 算法和基于EDA 的进化多目标优化算法RM-MEDA 相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.     

基于社会认知算法的软件可靠性分配问题研究

针对软件可靠性分配问题中求解全局最优解的困难,在保证系统开发费用最低的前提条件下,将可靠性指标分配到每个模块中,并利用一种新的智能优化算法——社会认知算法来搜索模型的最优解。实验结果表明了社会认知算法在求解软件可靠性分配问题中的有效性。     

基于多目标进化算法的手机概念设计优化

针对手机设计领域应用计算机辅助设计存在的一些问题,以及如何处理相互冲突的多目标间的优化问题,深入地分析了概念设计过程中的创新思维和多目标优化的基本理论.在手机概念设计阶段同时考虑了用户要求.构件设计属性.设计成本和综合评价值等多种因素,将分布估计算法应该于求解手机集成的多目标优化问题,给出了具体的方法和步骤.实验结果表明,该方法可以提高设计的创新性,给设计人员提供有益的借鉴.     

基于高斯分布估计的细菌觅食优化算法

针对细菌觅食算法在优化过程中存在步长一致、速度较慢的缺陷,赋予细菌以灵敏度的概念来调节趋化步长：将分布估计算法的思想引入繁殖算子,对细菌能量较好的半数细菌进行分布估计再生以增加群体的多样性,提高收敛速度;根据细菌的能量情况,赋予细菌自适应迁移概率,对较差的细菌进行随机或指定迁移,以提高算法的全局寻优能力．采用多峰高维标准测试函数对改进算法进行了测试,结果表明,所提出算法有效地提高了搜索速度和精度,改造后可用于多维、约束等实际工程问题的优化．     

改进DE/EDA算法在求解难约束优化问题中的应用研究*

针对约束优化问题13个Benchmark函数中最难求解的Bump函数,利用简单罚函数算子对DE/EDA算法进行改进,提出了改进DE/EDA算法。仿真实验结果表明,求解Bump函数最优解时,改进DE/EDA算法优于其他文献的算法,且比DE算法收敛速度更快,求解效果更好。     

基于极值优化的混合差分进化算法

针对标准差分进化算法在求解复杂优化问题时易陷入局部最优的问题,提出了一种基于极值动力学机制的混合差分进化算法。该算法的核心在于,当种群聚集度较高时, 利用极值优化算法强大的波动性,通过引入基于种群的极值优化算法来提高种群多样性,从而协助差分进化算法跳出局部最优。仿真实验表明,该混合算法具有较好的全局收敛性,能有效避免早熟收敛。     

基于子系统综合因子的软件可靠性分配方法

针对拥有多个分配在不同配置硬件环境上的软件子系统的综合软件系统,介绍了一种基于各子系统综合因子的软件可靠性分配方法。综合因子的确定涉及到子系统利用率等诸多因素,它的数值可以是软件详细规划时计算给出,从而对整个系统进行可靠性预分配,也可以在实际开发扣测试进程中动态地确定,从而不断地重新修正分配数值。给出详细的实例运算过程,并与传统方法进行了比较。     

动态可靠性约束的多阶段测试资源分配研究

为满足测试资源分配过程中用户对软件可靠性的需求,构建一种动态可靠性约束的多阶段多目标测试资源分配模型DRC-MSMOTRA。从理论上分析不同阶段满足可靠性约束的测试时间下限并设计相应的种群初始化策略,结合参数估计、加权归一化方法和多目标差分进化,提出一种动态可靠性约束的多阶段多目标测试资源分配算法MS-DRC-GDE3。实验结果表明,与MSMOTRA模型相比,DRC-MSMOTRA模型在2种不同规模的软件系统上所获解的覆盖值分别提高约62和59个百分点,与MS-GDE3算法相比,MS-DRC-GDE3算法在2种软件系统上所获解的覆盖值分别提高约69和80个百分点,即所提模型和算法能够根据用户对可靠性的需求来为用户提供更多更优的测试资源分配方案。     

基于改进模拟退火算法的软件可靠性模型参数估计方法

为提升现有软件可靠性模型的拟合性能和求解精度,结合软件可靠性模型求解特征,提出一种改进的模拟退火算法。在此基础上,提出基于改进模拟退火算法的软件可靠性模型参数求解方法(简称为MSAE法),并将新方法应用于4组失效数据集。工程应用结果表明,与最大似然估计(MLE)法、和声搜索(HS)算法和蚁群(AC)算法相比,MSAE法可有效改善软件可靠性模型参数求解不收敛的情况,并且可以有效提升现有软件可靠性模型的拟合性能。     

一种求解软件可靠性分配的近似算法

在考虑开发成本约束的基础上,通过建立一种开发成本-可靠度-满意度三者平衡的软件可靠性分配和优化模型,将对软件可靠性最优分配问题转化为对模糊非线性规划问题的求解,从而为软件可靠性分配的最优化问题提供了一种新方法。为获得具有实际意义的数值解,提出一种沿着加权梯度方向进行变异的特殊遗传算法。最后结合实例,证明了该方法的有效性和合理性。     

基于构架的软件可靠性分析及优化研究

文章通过对基于构架的软件可靠性模型进行估算和分析,提出了一套分析和优化基于构架的软件可靠性的方案,并利用ATM银行系统实例给出了具体分析方法和步骤。同时,根据分析出来的可靠性瓶颈进行了一定的结构优化,优化后整个软件构架的可靠性有了显著提高。     

基于贝叶斯的软件可靠性评估研究

以贝叶斯公式为基础,根据软件正确性的先验概率密度函数以及正确通过软件测试案例的数量分布服从二项分布的数学特征,求得软件正确性概率的后验分布,并提出一种改进的软件可靠性评估方法,从而解决了软件测试可靠性评估过程复杂且计算量较大的问题。在Matlab平台上对软件系统(中文学习平台)的测试可靠性进行评估,实验结果表明,该方法具有较高的实用性。     

基于监控的软件动态可靠性

在开放环境下,软件系统的行为更加的多样化和复杂化,而传统利用体系结构评估系统可靠性的方式大都在部署前实施,均基于对运行环境、用户需求的不变性假设．为此,本文通过监控发现软件行为与需求、测试不一致的地方,配合软件可靠性模型,动态评估系统在运行期间的可靠性．文中提出风险因子的概念和一种资源分配的方法,进而保障系统可靠运行,实验数据验证了本文提出方法的有效性．     

基于未确知测度的软件可靠性定性评价

分析了软件可靠性定性评价中的不确定性,结合未确知数学理论,建立了软件可靠性评价指标体系,提出可靠性评分、不确定性量化方法和置信度准则,构造软件可靠性定性评价未确知测度模型,将该方法应用在惯性导航软件系统的可靠性定性评价中,验证了该模型的可用性和有效性。     

软件可靠性分析、测试与评估工具--SRATE介绍

软件可靠性分析、测试及评估工具(SRATE)是一个集软件可靠性分析、测试及评估于一体的软件工具。该工具支持多种测试策略下的软件自动化测试及评估试验,包括随机测试策略、自适应测试策略等。该工具还集成了包括欧洲航天局的space软件、浙大CAD&CG国家重点实验室的Intra3D构件库在内的多个典型被测对象。根据工具接口要求可以方便的添加新的测试策略和测试对象。具有自动化程度高、通用性强、配置灵活、易于扩展的特点,是进行软件可靠性分析研究工作的有力工具。     

基于多种群进化与粒子群优化混合的频谱分配算法

为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。