基于自适应搜索方向的系统级测试性设计多目标优化方法

摘要

本发明公开了一种基于自适应搜索方向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，通过子空间划分向量将空间划分为子空间，在遗传算法运行过程中基于子空间优选得到新种群，并周期性地基于子空间对子空间划分向量和权重向量进行更新，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，从而合理配置影响因素，达到测试性优化设计的目的。