基于改进PSO的软件可靠性模型参数估计方法与流程

技术特征：

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T_max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＝wv_i+c1r1(pbest_b_i)+c2r2(gbest_b-b_i)

b_i'＝v'_i+b_i

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产生的失效的查出率，取值为0-1。

3.如权利要求2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，a、b的极大似然估计方程组是：

$\left\{\begin{array}{c}a=\frac{n}{1-e^{-{\mathrm{bt}}_n}}\\ \frac{n}{b}={\mathrm{at}}_n{e}^{-{\mathrm{bt}}_n}+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_i\end{array}\right.$

其中，n表示已知的失效数，t_i表示第i个失效发生的时刻。

4.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(2)中，构造适应值函数的方法是：将步骤(1)中的极大似然估计方程组进行数学变换，使之变成只含参数b的适应值函数：

$f=|b-\frac{n(1-e^{-{\mathrm{bt}}_n})}{{\mathrm{nt}}_n{e}^{-{\mathrm{bt}}_n}+\left(1-e^{-{\mathrm{bt}}_n}\right)\underset{i=1}{\overset{n}{\Σ}}{t}_i}|$

其中，f表示解的适应值，n表示已知的失效数，t_n表示第n个失效发生的时刻，t_i表示第i个失效发生的时刻。

5.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(6)的详细内容是：判断第i个粒子的新位置b_i是否小于X，若是，则去掉该粒子的新位置，用原位置代替，若否，则返回步骤(2)；其中，X是不合适的解的界限。

6.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(9)中的先验知识为：参数a和b是反向的关系，b大则a小，b小则a大，如果根据第一次运行得到的结果b求出的累积失效数a大于已知失效数，希望a的值变小，那么参数b的值就要偏大，继续运行程序找出较大的b；如果根据第一次运行得到的结果b求出的参数a小于已知失效数，希望a的值变大，那么参数b的值就要偏小，继续运行程序找出较小的b；由此，作为下一轮算法的迭代的开始，求出更加准确的参数。