[发明专利]一种基于遗传算法的多故障解耦和故障定位方法

权利要求书

1.一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，包括：

S11：根据失效用例集构建初始失效用例特征向量矩阵；其中，失效用例集中有n个失效用例，初始失效用例特征向量矩阵中共有n+1个候选解；

S12：计算每一个候选解的适应度，并按照适应度大小对候选解进行降序排序；

采用如下适应度函数来计算每一个候选解的适应度；

其中，α为失效用例特征向量对应失效用例解耦合后的语句怀疑度序列；β为原始语句怀疑度序列，F(α,β)为候选解对应的适应度函数；

S13：对n+1个候选解进行n+1次抽样，选出n+1个样本；

S14：基于步骤S13中选出的n+1个样本进行交叉和变异操作，得到新的n+1个候选解，若当前迭代轮数大于N1或者样本中具有最大适应度的候选解连续N2轮不变，则算法终止，得到具有最大适应度的候选解；否则，返回步骤S12；

S15：将步骤S14得到的最大适应度的候选解所对应的失效用例修改为通过，并利用故障定位算法进行定位，输出的定位结果作为最终的定位结果。

2.根据权利要求1所述的一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，在步骤S11之前，还包括步骤S10：搜集测试用例集的执行结果和语句覆盖率信息，并将测试用例集分为失效用例集和通过用例集。

3.根据权利要求1所述的一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，在步骤S13中，利用轮盘赌算法对n+1个候选解进行n+1次抽样，选出n+1个样本。

4.根据权利要求1所述的一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，步骤S14中，所述基于步骤S13中选出的n+1个样本进行交叉和变异操作，得到新的n+1个候选解具体包括：

将n+1个样本对半分为(n+1)/2个父样本和(n+1)/2个母样本，将每一个父样本和母样本进行配对，进行交叉和变异的操作，生成(n+1)/2个新样本；

将生成的(n+1)/2个新样本与从步骤S13中选出的n+1个样本随机选出的(n+1)/2个样本组成n+1个候选解。

5.根据权利要求4所述的一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，在步骤S14中，交叉的概率为：

f'表示当前候选解的适应度分数，f_avg表示当前种群的平均适应度分数，f_max为当前种群中最大的适应度分数；

变异的概率P_m为1，且变异时采用单点变异。

6.根据权利要求1所述的一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，N1为200，N2为50。

7.根据权利要求1～6任意一项所述的一种基于遗传算法的多故障解耦和故障定位方法，其特征在于，所述故障定位算法包括：Tarantula、Ochiai或Dstar。