-
公开(公告)号：CN110221931A
公开(公告)日：2019-09-10
申请号：CN201910418904.9
申请日：2019-05-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于切比雪夫的系统级测试性设计多目标优化方法，首先确定影响因素和优化目标函数，然后设置权重向量，基于切比雪夫方法使用权重向量对一个多目标优化问题分解为N个子问题，使用子问题的G个邻居，通过交叉、变异产生新的子代个体，利用K个最小的垂直距离的策略，对种群中的个体进行更新，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，可以在保证得到影响因素向量的帕累托最优解集的同时，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。
-
公开(公告)号：CN110399968A
公开(公告)日：2019-11-01
申请号：CN201910555024.6
申请日：2019-06-25
Applicant: 电子科技大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于效用函数的系统级测试性设计多目标优化方法，首先确定影响因素和优化目标函数，然后设置权重向量，使用权重向量对一个多目标优化问题分解为N个子问题，使用子问题的G个邻居，通过交叉、变异产生新的子代个体，利用适应度差值选择改善效果最好的种群中的个体进行更新，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，可以在保证得到影响因素向量的帕累托最优解集的同时，提高收敛效果和以及影响因素向量的帕累托最优解的均匀性。
-
公开(公告)号：CN110399968B
公开(公告)日：2021-12-10
申请号：CN201910555024.6
申请日：2019-06-25
Applicant: 电子科技大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于效用函数的系统级测试性设计多目标优化方法，首先确定影响因素和优化目标函数，然后设置权重向量，使用权重向量对一个多目标优化问题分解为N个子问题，使用子问题的G个邻居，通过交叉、变异产生新的子代个体，利用适应度差值选择改善效果最好的种群中的个体进行更新，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，可以在保证得到影响因素向量的帕累托最优解集的同时，提高收敛效果和以及影响因素向量的帕累托最优解的均匀性。
-
公开(公告)号：CN110221931B
公开(公告)日：2021-06-04
申请号：CN201910418904.9
申请日：2019-05-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于切比雪夫的系统级测试性设计多目标优化方法，首先确定影响因素和优化目标函数，然后设置权重向量，基于切比雪夫方法使用权重向量对一个多目标优化问题分解为N个子问题，使用子问题的G个邻居，通过交叉、变异产生新的子代个体，利用K个最小的垂直距离的策略，对种群中的个体进行更新，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，可以在保证得到影响因素向量的帕累托最优解集的同时，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。
-
-
-
Search Results
4
records
(took 0.016 seconds)
