基于改进PBI方法的系统级测试性设计多目标优化方法

发明专利有效专利

申请号：
CN202110249020.2
IPC分类号：G06F30/27;G06N3/12
申请日期：
2021-03-08
申请人：
电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于改进PBI方法的系统级测试性设计多目标优化方法
申请号	CN202110249020.2	申请日期	2021-03-08
法律状态	实质审查	申报国家	中国
公开/公告日	2021-06-01	公开/公告号	CN112883651A
优先权	暂无	优先权号	暂无
主分类号	G06F30/27	IPC分类号	G;0;6;F;3;0;/;2;7;;;G;0;6;N;3;/;1;2查看分类表>
申请人	电子科技大学	申请人地址	四川省成都市高新区（西区）西源大道2006号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	杨成林;高亮亮;鲜航
代理机构	成都行之专利代理事务所（普通合伙）	代理人	温利平

摘要

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。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供