基于改进PBI方法的系统级测试性设计多目标优化方法.pdfVIP

下载本文档

2
0
约2.5万字
约 22页
2023-06-09 发布于四川
举报
版权申诉

基于改进PBI方法的系统级测试性设计多目标优化方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于改进PBI方法的系统级测试性设计多目标优化方法，首先初始化一组均匀分布的参考向量，并为每个参考向量计算其惩罚因子，然后基于遗传算法迭代搜索最优影响因素向量，在搜索过程中对惩罚因子进行递增，联合目标函数值和改进PBI函数值来优选得到新种群，并对新种群进行个体补选操作，在终代种群中删除被支配解，即得到影响因素向量的帕累托最优解集。采用本发明可以在保证得到最优解的同时，提高收敛效果以及影响因素向量的帕累托最优解的均匀性，从而合理配置影响因素，达到测试性优化设计的目的。

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112883651 B (45)授权公告日 2022.07.26 (21)申请号 202110249020.2 王丽萍等.动态惩罚分解策略下的高维目标