在大型系统故障诊断测试性设计问题领域当中,随着日益增长的系统复杂性,测试性设计的需求也越来越复杂,比如单操作模式测试性设计演变成多操作模式测试性设计、单目标优化问题提升为多目标优化问题等等。如何高效、准确的进行测试性设计,是当前待需解决的问题,本文针对当前测试性设计的需求,设计出了分组综合多目标进化算法。在多目标进化算法研究领域当中,已经有很多优秀的算法产生,如何对其进行改进达到更好的效果,是当前研究的热点,本文利用基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)特定方向搜索的特性,结合非支配解排序遗传算法II型(Non-dominated Sorting Genetic Algorithm III,NSGA-III)型算法,设计出三段式系统级多目标进化算法。本文首先介绍了测试性设计领域以及多目标进化算法领域研究背景以及发展现状。介绍了当前多目标进化算法的难题和发展瓶颈,例如针对高维多目标优化问题时,存在支配规则失效、时间复杂度过高、种群可视化难以做到等问题。介绍了多操作模式测试性设计问题的在测试性设计领域的重要性和发展现状。给出了多目标优化问题及Pareto相关术语的数学定义。并根据算法是否带有精英机制进行分类介绍。其中,着重介绍了NSGA-III型,给出其详细的伪代码,并进行分析。最后给出主要步骤的算法时间复杂度。给出了操作模式测试性设计的相关数学定义和相关参数符号实际意义,介绍使用传统多目标进化算法解决该问题的步骤,介绍分组综合多目标进化算法及其解决多操作模式测试性设计问题的步骤。最后给出两种方法的实验结果并对比。详细分析MOEA/D和NSGA-III的特点,指出MOEA/D具有可以设置特定方向搜索的特点,以及NSGA-III中种群迭代进化的特点。设法在NSGA-III设置初始种群的阶段,使用MOEA/D设置特定方向搜索解的方法,设置较优的初始解。最后通过实验对比分析得出结论。本文主要研究了多目标进化算法在多操作模式测试性设计这一特定问题的改进适配,,并对NSGA-III进行了改进。这些研究为将来在实现测试性设计平台软件的工作提供了算法实现基础。
暂无评论