基于改进PSO的软件可靠性模型参数估计方法技术

本发明专利技术公开一种基于改进PSO的软件可靠性模型参数估计方法，首先选取软件可靠性模型，初始化粒子群体各参数，然后构造适应值函数，并在算法执行过程中加入验算过程，剔除掉那些明显不合适的解，根据经验朝着出现更优解的方向进行搜索，最终获得最优的参数值，从而提高模型预测的准确度。此种参数估计方法可提高模型预测的准确度，对不同模型均具有较好的适应性。

【技术实现步骤摘要】

本专利技术涉及一种软件可靠性模型参数估计的方法，特别涉及一种基于改进PSO(粒子群算法)的软件可靠性模型参数估计的方法。
技术介绍
软件可靠性建模是评估软件可靠性的数学方法，而模型参数的选取直接会影响到模型预测的准确度。现有的软件可靠性模型如GO模型、JM模型等大多是非线性函数模型，估计这些模型的参数比较困难。近年来一种新的思路被提出，即将智能优化算法运用到软件可靠性模型参数估计中，粒子群优化算法作为一种典型的智能优化算法，是一类适合求解非线性优化问题的随机优化方法。基于PSO的软件可靠性模型参数估计的方法，其关键是构造合适的适应值函数，现有研究中的适应值函数的形式一般表示为实际测出的软件失效数与模型估计的软件失效数之间的欧式距离，其存在的问题之一是当达到算法结束条件输出最优的模型参数估计值时，对应的适应函数值仍然比较大，不满足适应值越小参数估计的效果越好的评价准则。其次，经由该适应值函数评价后最终输出的最优的模型参数估计值与实际测得的值之间有较大的出入，说明参数估计的结果并不准确，有待改进。
技术实现思路
本专利技术的目的，在于提供一种基于改进PSO的软件可靠性模型参数估计方法，其可本文档来自技高网...

【技术保护点】
一种基于改进PSO的软件可靠性模型参数估计方法，其特征在于包括如下步骤：(1)选取软件可靠性模型，初始化粒子群体各参数；(2)构造适应值函数，根据适应值函数评价每个粒子当前适应值；(3)根据步骤(2)中得到的适应值更新每个粒子当前个体历史最优适应值pbest和全局最优适应值gbest，对应于个体历史最优适应值pbest的是个体历史最优位置pbest_b，对应于全局最优适应值gbest的是全局最优位置gbest_b；(4)判断是否满足算法停止条件；如果达到最大迭代次数Tmax或全局最优适应值gbest的精度达到k，执行步骤(7)，否则执行步骤(5)；(5)根据如下速度和位置的更新公式更新每个粒子...

【技术特征摘要】
1.一种基于改进PSO的软件可靠性模型参数估计方法，其特征在于包括如下步骤：(1)选取软件可靠性模型，初始化粒子群体各参数；(2)构造适应值函数，根据适应值函数评价每个粒子当前适应值；(3)根据步骤(2)中得到的适应值更新每个粒子当前个体历史最优适应值pbest和全局最优适应值gbest，对应于个体历史最优适应值pbest的是个体历史最优位置pbest_b，对应于全局最优适应值gbest的是全局最优位置gbest_b；(4)判断是否满足算法停止条件；如果达到最大迭代次数Tmax或全局最优适应值gbest的精度达到k，执行步骤(7)，否则执行步骤(5)；(5)根据如下速度和位置的更新公式更新每个粒子的速度和位置：v'i＝wvi+c1r1(pbest_bi)+c2r2(gbest_b-bi)bi'＝v'i+bi其中，i＝1,2,…,60，代表60个粒子；r1、r2是介于[0,1]之间的随机数；(6)剔除掉明显不合适的解；(7)达到算法停止条件，输出全局最优适应值gbest和全局最优位置gbest_b，然后将b代入步骤(1)的极大似然估计方程组求解得到a；(8)判断a与实际数据的误差是否在规定范围内，若是则结束，否则执行步骤(9)；(9)加入先验知识明确搜索方向，直至搜索到最合适的参数a和b。2.如权利要求1所述的基于改进PSO的软件可靠性模型参数估计方法，其特征在于：所述步骤(1)中，软件可靠性模型采用GO模型，其表达式如下所示：m(t)＝a(1-e-bt)其中，m(t)表示截止时刻t为止检测到的累积失效数，a表示测试完成后软件期望的最终被检测出的累积失效数，b表示在时刻t产...

【专利技术属性】
技术研发人员：李震，毛敏，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏;32