基于改进离散乌鸦搜索算法的测试优选方法
作者:黄天富; 郭志伟; 杨森; 蒋宝隆; 吴志武; 王春光
更新时间:
针对现有测试优化方法全局优化能力不足的问题,提出了一种基于改进离散crow-搜索算法(IDCSA)的测试优化方法。首先,对经典的crow 搜索算法(CSA)进行离散编码,提出了一种自适应感知概率(Aristole)调整策略,并对CSA的crow位置更新公式进行了改进。其次,通过超外差接收机试验优化实例,对IDCSA的优化性能进行了仿真验证。经过多次重复模拟,发现IDCSA可以获得全局最优解,已知总测试成本为6,概率接近100%,平均迭代次数约为75次。验证结果表明,与现有的基于元启发式算法的测试优化方法相比,本文提出的基于IDCSA的测试优化方法能够更好地避免陷入局部优化,从而更稳定地获得测试优化问题的全局最优解。最后,将该方法应用于独立有源电流和电压互感器(ECVT)模型的测试和优化,验证了算法改进措施的有效性。本研究将为crow 搜索算法在测试优化领域的进一步应用提供基础。