基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统技术方案

技术编号:43930879 阅读:15 留言:0更新日期:2025-01-07 21:25
本发明专利技术属于自动测试技术领域,具体涉及一种基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统。对测试任务需求进行分析,再构建Single‑rate DAG任务调度模型;依据Single‑rate DAG任务调度模型,生成有向图作为GNN的输入;基于有向图和GNN建立关于边的热图;依据热图生成任务调度排序,根据任务调度排序规划调度方案;计算损失函数,并依据损失函数更新图神经网络;重复建热图至计算损失函数,直至可规划出符合预期目标的高质量解或在规划出的测试方案makespan的均值和最小值的差值小于一定阈值,迭代结束;步骤7:输出优化后的解。本发明专利技术用以解决缺乏对高相关性的测试任务调度过程的规划结果往往随机性较大,难以适用于实际需求的问题。

【技术实现步骤摘要】

本专利技术属于自动测试,具体涉及一种基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统


技术介绍

1、控制系统往往功能和结构复杂,子系统众多,存在多个输入输出,其对应的测试任务复杂繁多,为减少测试执行时间,最大限度地减少测试资源空闲时间,应选用并行测试方法进行测试,即允许任务间并行。并行测试可以同时执行多个测试项,但两个不同的测试项需要相同的资源,而任务间往往存在复杂的逻辑关系,即任务间的约束,因此针对大量的测试任务,需要引入调度算法进行测试任务规划。

2、现有的算法可以针对测试任务集进行规划,也可以考虑到任务间的各种冲突。然而,现有的方法缺乏对高相关性的测试任务调度过程的良好建模导致迭代次数增加,同时规划结果往往随机性较大,难以适用于实际需求。因此,基于图模型与深度强化学习的控制系统的测试任务调度方法被提出。


技术实现思路

1、本专利技术提供一种基于图模型与深度强化学习的控制系统的测试任务调度方法,用以解决现有技术中缺乏对高相关性的测试任务调度过程的良好建模导致迭代次数增加,同时规划本文档来自技高网...

【技术保护点】

1.一种基于图模型与深度强化学习的控制系统的测试任务调度方法,其特征在于,所述测试任务调度方法包括以下步骤:

2.根据权利要求1所述的测试任务调度方法,其特征在于,所述步骤1具体为,得到测试任务集T={t1,t2,t3,...,tn}与测试资源集R={r1,r2,r3,...,rm};其中每个测试任务ti的属性有前驱任务集后继任务集持续时间后继通信时间测试资源等,测试资源ri具有属性表示该测试资源可使用数量;

3.根据权利要求2所述的测试任务调度方法,其特征在于,所述步骤1具体为,

4.根据权利要求3所述的测试任务调度方法,其特征在于,所述步骤2具体为...

【技术特征摘要】

1.一种基于图模型与深度强化学习的控制系统的测试任务调度方法,其特征在于,所述测试任务调度方法包括以下步骤:

2.根据权利要求1所述的测试任务调度方法,其特征在于,所述步骤1具体为,得到测试任务集t={t1,t2,t3,...,tn}与测试资源集r={r1,r2,r3,...,rm};其中每个测试任务ti的属性有前驱任务集后继任务集持续时间后继通信时间测试资源等,测试资源ri具有属性表示该测试资源可使用数量;

3.根据权利要求2所述的测试任务调度方法,其特征在于,所述步骤1具体为,

4.根据权利要求3所述的测试任务调度方法,其特征在于,所述步骤2具体为,对dag任务调度模型进行精简;

5.根据权利要求4所述的测试任务调度方法,其特征在于,步骤4具体为,在进行生成任务调度排序时,将测试任务作为排序中第1个任务,作为任务调度的起点,根据当前任务排序状态生成可调度任务集tallow;

6.根据权利要求5所述的测试任务调度方法,其特征在于,对于测试资源的分配,依...

【专利技术属性】
技术研发人员:陈静漪林瑞仕王慎航郑伟向刚彭宇俞洋杨智明
申请(专利权)人:哈尔滨工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1