【摘要】：自六十年代以來,在電力系統(tǒng)、電子系統(tǒng)、軟硬件等系統(tǒng)設(shè)計(jì)中,可靠性作為一個(gè)重要指標(biāo)地位愈發(fā)突出,系統(tǒng)可靠性設(shè)計(jì)(system reliability design,SRD)也吸引了越來越多的科研工作者。近些年來,伴隨著工業(yè)化進(jìn)程中系統(tǒng)規(guī)模的不斷擴(kuò)大,如何設(shè)計(jì)更加可靠的系統(tǒng)已變得越來越重要。為了改進(jìn)系統(tǒng)的可靠性,有兩類問題需要更加有效地解決:一類是冗余分配問題(redundancy allocation problem,RAP);另一類是測(cè)試資源分配問題(testingresource allocation problem,TRAP)。在本論文中,我們用演化算法更好地解決了這兩類問題中的兩個(gè)難點(diǎn)問題,分別是多層冗余分配問題(multi-levelredundancy allocation problem,MLRAP)和多目標(biāo)測(cè)試資源分配問題(multi-objective testing resource allocation problem,MOTRAP)。 在過去的三十年里,冗余分配問題因其在各種系統(tǒng)中的應(yīng)用價(jià)值得到了廣泛關(guān)注。在冗余分配問題的研究中,絕大部分是以單層系統(tǒng)為研究對(duì)象。但是現(xiàn)實(shí)的系統(tǒng)一般包含了多個(gè)層次,從最高的系統(tǒng)層到最低的單元層。因此,研究多層冗余分配問題變得十分重要。在本論文之前解決多層冗余分配問題的算法中,缺乏細(xì)致的局部搜索過程。為了更進(jìn)一步地細(xì)致地探索解空間,我們?cè)O(shè)計(jì)了一個(gè)模因演算法(memetic algorithm)。作為演化算法的分支,模因演算法是結(jié)合了全局搜索策略和局部啟發(fā)探索策略的群體搜索混合啟發(fā)式方法。模因演算法已經(jīng)被證實(shí)在解的質(zhì)量和搜索能力上比傳統(tǒng)的演化算法具有優(yōu)勢(shì)。我們?cè)诠ぷ髦?基于變量的分層屬性表示,首先設(shè)計(jì)了兩個(gè)寬度優(yōu)先的演化算子(寬度優(yōu)先交叉算子和寬度優(yōu)先變異算子)以及針對(duì)問題的局部搜索算子,然后將這些算子結(jié)合到模因演算法框架中,從而得到一個(gè)新穎的模因演算法。我們的模因演算法在性能上要比以往的其它算法中的的最好算法(分層遺傳算法)有明顯的性能提升。 在多層系統(tǒng)中,冗余度可以分配到任意層次上去,因此問題的解空間比單層冗余分配問題要大很多。通過對(duì)現(xiàn)存分層遺傳算法和模因演算法的解的結(jié)構(gòu)分析,我們可以看出這兩個(gè)算法的搜索區(qū)域是局限在某個(gè)局部范圍內(nèi)的,也就是說,這兩個(gè)算法的全局搜索能力較差。因?yàn)槎鄬尤哂喾峙鋯栴}的解空間十分巨大,約束控制能力將是解決此類問題的關(guān)鍵,同時(shí)如何快速地收斂到有潛力的區(qū)域也是全局搜索的根本要求。為了使我們的搜索過程更加高效,我們?yōu)闈摿^(qū)域外的解設(shè)計(jì)了一個(gè)全局修復(fù)算子(global repair operator)。通過實(shí)驗(yàn)可以證明,這個(gè)專門的約束處理方法可以明顯提升在我們的工作之前存在的最好算法(分層遺傳算法)的全局搜索能力。隨后,我們將全局修復(fù)算子融入到我們的模因演算法中,得到一個(gè)新的算法,叫作全局修復(fù)模因演算法(GRO+MA),這個(gè)新算法在多個(gè)系統(tǒng)上被證實(shí)是在現(xiàn)存的算法中最優(yōu)的算法。 在有效地解決了困難的多層冗余分配問題后,我們關(guān)注系統(tǒng)設(shè)計(jì)中的另一個(gè)重要問題,測(cè)試資源分配問題(testing resource allocation problem)。我們把軟件系統(tǒng)作為本文的研究模型。今天,伴隨著軟件系統(tǒng)的復(fù)雜度和規(guī)模的不斷提升,如何合理分配有限的測(cè)試資源變得愈發(fā)重要和困難。傳統(tǒng)的測(cè)試資源分配問題只考慮一個(gè)目標(biāo)(可靠度值或測(cè)試代價(jià))。在本文中,測(cè)試資源分配問題被定義為兩個(gè)多目標(biāo)問題:第一個(gè)是同時(shí)考慮可靠度值和代測(cè)試價(jià);第二個(gè)是在第一個(gè)的基礎(chǔ)上考慮總的資源消耗。在定義問題后,我們?cè)趦蓚�(gè)軟件系統(tǒng)上用一個(gè)著名的多目標(biāo)演化算法,即第二代非支配排序演化算法(NondominatedSorting Genetic Algorithm II,NSGA-II)去解決定義的多目標(biāo)問題。但是,實(shí)驗(yàn)結(jié)果告訴我們NSGA-II并不能很好地解決第二類多目標(biāo)問題。因此,我們進(jìn)一步設(shè)計(jì)了一個(gè)基于調(diào)和距離的多目標(biāo)演化算法(Harmonic Distance BasedMulti-Objective Evolutionary Algorithm,HaD-MOEA)。通過在三個(gè)串并行系統(tǒng)和一個(gè)星狀系統(tǒng)上的實(shí)驗(yàn)可以證明,多目標(biāo)演化算法優(yōu)于單目標(biāo)演化算法,同時(shí)調(diào)和距離多目標(biāo)演化算法優(yōu)于第二代非支配排序演化算法。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2011
【分類號(hào)】：N945.17

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前5條

1 曹蓮英;侯琳;李文勇;;多目標(biāo)演化算法在公交車輛發(fā)車間隔優(yōu)化中的應(yīng)用[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第五分冊(cè)）[東南大學(xué)學(xué)報(bào)（增刊）][C];2009年

2 張磊;扈延光;江雅婷;吳雷;;基于蟻群優(yōu)化的可靠性冗余分配模型及實(shí)現(xiàn)[A];大型飛機(jī)關(guān)鍵技術(shù)高層論壇暨中國(guó)航空學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

3 王達(dá);胡瑜;李曉維;;Flash存儲(chǔ)器測(cè)試與修復(fù)方法概述[A];第五屆中國(guó)測(cè)試學(xué)術(shù)會(huì)議論文集[C];2008年

4 曹亞菲;王大偉;李思昆;;吞吐量和延時(shí)約束下的片上通信結(jié)構(gòu)的Pareto空間優(yōu)化[A];第八屆全國(guó)信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

5 高飛;張洪鉞;;有約束時(shí)容錯(cuò)系統(tǒng)冗余度分配的計(jì)算智能方法[A];2004中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2004年

相關(guān)博士學(xué)位論文 前9條

1 王在;基于演化優(yōu)化的系統(tǒng)可靠性設(shè)計(jì)[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

2 陳_g;基于自適應(yīng)個(gè)體評(píng)價(jià)策略的多目標(biāo)演化算法[D];武漢大學(xué);2011年

3 汪祖柱;基于演化算法的多目標(biāo)優(yōu)化方法及其應(yīng)用研究[D];安徽大學(xué);2005年

4 顏榮芳;隨機(jī)序及年齡概念在可靠性理論中的一些應(yīng)用[D];蘭州大學(xué);2009年

5 曾三友;演化優(yōu)化及其在圖象恢復(fù)領(lǐng)域中的應(yīng)用[D];武漢大學(xué);2002年

6 隋國(guó)榮;光波導(dǎo)器件對(duì)接耦合的自動(dòng)化技術(shù)研究[D];上海理工大學(xué);2008年

7 安偉剛;多目標(biāo)優(yōu)化方法研究及其工程應(yīng)用[D];西北工業(yè)大學(xué);2005年

8 劉毅;面向人群的并行多目標(biāo)疏散模型研究[D];武漢理工大學(xué);2012年

9 梅一;基于元啟發(fā)式方法對(duì)限量弧路由問題的求解[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 焉炳艷;一種新的基于相似性的多目標(biāo)演化算法[D];武漢理工大學(xué);2006年

2 祁薇熹;基于梯度擁擠度的多樣性保持策略的MOEAs研究[D];武漢理工大學(xué);2008年

3 劉麟;基于粒子群算法的多目標(biāo)函數(shù)優(yōu)化問題研究[D];武漢理工大學(xué);2005年

4 鄭蔚;模型多目標(biāo)演化算法（OMEA）在星座優(yōu)化設(shè)計(jì)中的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué);2007年

5 朱道雨;基于Django的旅游管理信息系統(tǒng)的建設(shè)[D];中國(guó)地質(zhì)大學(xué)（北京）;2011年

6 蔣勇;單目標(biāo)和多目標(biāo)全局優(yōu)化算法設(shè)計(jì)[D];西安電子科技大學(xué);2008年

7 朱建凱;基于流形學(xué)習(xí)的多目標(biāo)分布估計(jì)算法研究[D];中國(guó)地質(zhì)大學(xué);2011年

8 盧青波;差異演化算法及其在機(jī)械優(yōu)化設(shè)計(jì)中的應(yīng)用[D];太原科技大學(xué);2008年

9 謝柏橋;AbYSS算法研究及其在星座優(yōu)化設(shè)計(jì)中的應(yīng)用[D];中國(guó)地質(zhì)大學(xué);2008年

10 王魯;基于遺傳算法的多目標(biāo)優(yōu)化算法研究[D];武漢理工大學(xué);2006年

本文編號(hào)：2769209