装备测试性策略优化方法和装置与流程

本申请涉及测试性优化技术领域，尤其涉及一种装备测试性策略优化方法和装置。

背景技术：

对于复杂电子系统，例如雷达装备，其测试与诊断也需选择合适的测试节点及测试参数。由于系统结构复杂，故障与节点及测试参数之间的关系很难通过数学推导或仿真模拟获得，因此，在雷达装备的测试方案优化设计时需考虑对系统进行测试性建模，得到系统的测试性模型，研究基于相关性模型的优化策略。此外，测试性优化设计是一个综合考虑功能、性能和可靠性约束的过程，需要从整体角度考虑测试性设计的权衡和优化，雷达装备可以采用基于组合代价的优化策略。

已有的测试性优化策略，大多都是以追求最优的测试效果为目标，即检测率最高或测试代价最小，在追求更优测试效果的过程中，必然会对测试仪器或测试方法有着更为严格的要求，其所带来的平均测试代价会出现过高的情况。

因此，相关技术中存在现有装备测试性优化过程中优化目标单一，容易陷入局部收敛的技术问题。

技术实现要素：

本申请提供了一种装备测试性策略优化方法和装置、存储介质和电子设备，以至少解决相关技术中存在现有装备测试性优化过程中优化目标单一，容易陷入局部收敛的问题。

根据本申请实施例的一个方面，提供了一种装备测试性策略优化方法，包括：获取测试种群，所述测试种群包括多个用于对装备进行测试的测试集；基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或，将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型；基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算。

可选的，所述第一测试性优化模型包括：

其中，φ(x)为以基本可靠性和测试性指标为约束条件的测试性能效益，d1为测试代价阈值，d2为基本可靠性代价阈值，fdr为故障检测率，fir为故障隔离率，m为故障检测率最小值，n为故障隔离率最小值，ti为测试集。

可选的，第二测试性优化模型包括：

其中，ls为以所述测试代价、所述基本可靠性代价和所述测试性性能效益为约束条件的装备综合效益，d1为测试代价阈值，d2为基本可靠性代价阈值，fdr为故障检测率，fir为故障隔离率，m为故障检测率最小值，n为故障隔离率最小值，ti为测试集。

可选的，所述测试代价包括：尺寸增加代价、重量增加代价、功耗增加代价、存储代价、计算资源代价中的至少之一；所述基本可靠性代价包括：维修代价为和/或任务保障代价；所述测试性性能效益包括：故障检测率提高带来的效益和/或故障隔离测率提高带来的效益。

可选的，基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算包括：基于所述测试种群中的测试集对应的故障检测率利用启发式规则对所述测试集进行更新；基于所述适应度函数对更新后的测试集进行修正。

可选的，所述基于所述测试种群中的测试集对应的故障检测率利用启发式规则对所述测试集进行更新包括：a，获取测试集和所述测试集检测到的故障集；b，计算所述测试集的故障检测率；c，判断所述故障检测率是否小于预设检测率；d，当所述故障检测率小于预设检测率时，计算所述测试集之外的每个测试的故障检测能力值与测试代价的比值，所述故障检测能力值为未被检测到的故障集中的所有故障被所述测试集之外的测试检测到的概率之和；e，将所述比值最大的测试加入所述测试集，并将所述测试检测到的故障加入所述故障集，重复执行步骤a-e，直至所述故障检测率大于或等于所述预设检测率。

可选的，所述基于所述适应度函数对更新后的测试集进行修正包括：基于所述适应度函数计算测试集的适应度值，所述适应度函数基于所述罚函数构建；基于所述适应度值对所述测试集进行评价；基于评价结果选择所述测试集。

可选的，所述适应度函数包括：

其中，ti为测试，ci为ti的测试代价，ti为测试集，t为全部测试集；γ^*f1为测试集ti的故障隔离率指标，γf1为预设故障隔离率指标，β为常数。

可选的，所述基于评价结果选择所述测试集包括：计算测试种群中所有测试集的适应度值的平均值；以所述平均值作为评价指标自适应调整所述测试种群的惯性权重。

根据本申请实施例的又一个方面，还提供了一种装备测试性策略优化装置，包括：获取模块，用于获取测试种群，所述测试种群包括多个用于对装备进行测试的测试集；确定模块，用于基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；第一建模模块，用于将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或，第二建模模块，用于将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型；优化计算模块，用于基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算。

根据本申请实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。

根据本申请实施例的又一个方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。

在本申请中，基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或，将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型；基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算，以测试代价、基本可靠性代价和测试性性能效益为约束参数，基于不同的测试性指标构建不同组合代价的优化模型，可以防止装备测试性优化过程中优化目标单一造成的平均测试代价过高，并且，基于不同的优化模型在进行优化计算时，采用适应度函数进行测试性策略优化计算，可以评价每个测试集的优劣，修正越界测试集，以防止优化算法计算时出现早熟现象，防止陷入局部收敛解决了相关技术中存在装备测试性优化过程中优化目标单一容易陷入局部收敛的问题，使得测试性代价最小。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本申请实施例的一种可选的装备测试性策略优化方法的硬件环境的示意图；

图2是根据本申请实施例的一种可选的装备测试性策略优化方法的流程示意图；

图3是根据本申请实施例的一种可选的装备测试性策略优化方法的示意图；

图4是根据本申请实施例的一种可选的装备测试性策略优化装置的结构框图；

图5是根据本申请实施例的一种可选的电子设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

首先，在对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：

1、机内测试(built-intest，bit)是指系统和设备内部提供的检测、隔离故障的自动测试能力。按实现手段的不同可分为扫描、环绕、模拟、并行、特征分析等；按被测对象的不同又可分为ram测试、rom测试、cpu测试、a/d和d/a测试、机电部件测试等。其中较常用的一种分类方式是将bit设计分为数字bit、模拟bit、环绕bit和冗余bit等。

2、测试性，是能够及时准确地确定产品的状态,并隔离其内部故障的能力。

根据本申请实施例的一个方面，提供了一种装备测试性策略优化方法。可选地，在本实施例中，上述装备测试性策略优化方法可以应用于如图1所示的硬件环境中。如图1所示，

根据本申请实施例的一个方面，提供了一种装备测试性策略优化方法。可选地，在本实施例中，上述装备测试性策略优化方法可以应用于如图1所示的由终端102和服务器104所构成的硬件环境中。如图1所示，服务器104通过网络与终端102进行连接，可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务，还可以用于处理云服务，上述网络包括但不限于：广域网、城域网或局域网，终端102并不限定于pc、手机、平板电脑等。本申请实施例的装备测试性策略优化方法可以由服务器104来执行，也可以由终端102来执行，还可以是由服务器104和终端102共同执行。其中，终端102执行本申请实施例的装备测试性策略优化方法也可以是由安装在其上的客户端来执行。

以由服务器104和/或终端102来执行本实施例中的装备测试性策略优化方法为例，图2是根据本申请实施例的一种可选的装备测试性策略优化方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：

步骤s202，获取测试种群，所述测试种群包括多个用于对装备进行测试的测试集。其中，测试种群包括所有的测试集，该测试集用于对装备进行测试。

步骤s204，基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益。

步骤s206，将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型。

步骤s208，将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型。

步骤s210，基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算。

通过上述步骤s202至步骤s206，基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或，将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型；基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算，以测试代价、基本可靠性代价和测试性性能效益为约束参数，基于不同的测试性指标构建不同组合代价的优化模型，可以防止装备测试性优化过程中优化目标单一造成的平均测试代价过高，并且，基于不同的优化模型在进行优化计算时，采用适应度函数进行测试性策略优化计算，可以评价每个测试集的优劣，修正越界测试集，以防止优化算法计算时出现早熟现象，防止陷入局部收敛解决了相关技术中存在装备测试性优化过程中优化目标单一容易陷入局部收敛的问题，使得测试性代价最小。

在步骤s204的技术方案中，为了方便优化计算，在本实施例中引入测试代价、基本可靠性代价、测试性性能效益三个约束参数。其中，所述测试代价包括：尺寸增加代价、重量增加代价、功耗增加代价、存储代价、计算资源代价中的至少之一；所述基本可靠性代价包括：维修代价为和/或任务保障代价；所述测试性性能效益包括：故障检测率提高带来的效益和/或故障隔离测率提高带来的效益。作为示例性的实施例，尺寸增加代价可以包括尺寸增加带来电路空间、散热等代价；重量增加代价可以包括：重量增加带来的负担代价；存储代价可以包括：测试代码存储代价，计算资源代价可以包括占用cpu、mcu等处理器带来的计算资源代价；维修代价可以包括：软硬件结构增加导致平均故障间隔时间变短，造成的维修任务增多带来的代价；任务保障代价可以包括软硬件结构增加带来的周期性维护保障费用，常规保障任务增加，带来保障代价。

作为可选地实施例，测试代价可以量化为：

c1(ti)＝c1a(ti)+c1b(ti)+c1c(ti)+c1d(ti)+c1e(ti)，其中，c1(ti)为测试代价；c1a为尺寸增加代价；c1b为重量增加代价；c1c为功耗增加代价；c1d为存储代价；c1e为计算资源代价；ti为测试集。基本可靠性代价可以量化为：

c2(ti)＝c2a(ti)+c2b(ti)

其中，c2(ti)为基本可靠性代价；c2a为维修代价；c2b为任务保障代价；ti为测试集。

测试性性能效益可以量化为：

c3(ti)＝c3a(ti)+c3b(ti)

其中，c3(ti)测试性性能效益；c3a为故障检测率提高带来的效益；c3a为故障隔离测率提高带来的效益。

对于步骤s206和步骤s208，基于不同的组合代价构建对应的优化模型，即可以当对测试性性能指标下限有明确要求时，以基本可靠性和测试性指标为约束条件建立第一测试性优化模型，求解目标为在满足测试性代价和基本可靠性代价不大于规定限定值的情况下，测试性性能效益达到最大，所述第一测试性优化模型包括：

其中，φ(x)为以基本可靠性和测试性指标为约束条件的测试性能效益，d1为测试代价阈值，d2为基本可靠性代价阈值，fdr为故障检测率，fir为故障隔离率，m为故障检测率最小值，n为故障隔离率最小值，ti为测试集。

当以测试代价、基本可靠性代价和测试性指标为约束，以系统综合效能为目标，求解目标为在满足测试代价和基本可靠性代价不大于规定限定值的情况下，装备综合效益达到最大，第二测试性优化模型包括：

其中，ls为以所述测试代价、所述基本可靠性代价和所述测试性性能效益为约束条件的装备综合效益，d1为测试代价阈值，d2为基本可靠性代价阈值，fdr为故障检测率，fir为故障隔离率，m为故障检测率最小值，n为故障隔离率最小值，ti为测试集。

在步骤s210的技术方案中，在利用模型进行优化计算时，可以引入适应度函数，评价种群中每个粒子的优劣，修正越界粒子，具体的，适应度值是评价个体性能优劣的唯一指标，其值是优化问题向极值问题转化的定量评估。群体中某进化个体的适应度值越大，则其性能越好，适应度值越小，则其性能越差。基于所述测试种群中的测试集对应的故障检测率利用启发式规则对所述测试集进行更新；基于所述适应度函数对更新后的测试集进行修正，以解决测试优化选择问题。

作为示例性的实施例，测试种群已经优化至第k代时，其中k为大于或等于1的正整数，则当前测试种群可以为：

参见图3所示，对于基于所述测试种群中的测试集对应的故障检测率利用启发式规则对所述测试集进行更新可以包括如下步骤：

s302，获取测试集和所述测试集检测到的故障集，测试种群中第i个粒子选择的测试集为ti,而测试集ti检测到的故障集为fi。

s304.计算所述测试集的故障检测率。可以基于当前测试集进行测试，将检测到的故障数与故障总数之比作为故障检测率。

s306.判断所述故障检测率是否小于预设检测率。当故障检测率小于预设检测率时，进入步骤s308，当故障检测率大于或等于预设检测率时，进入基于所述适应度函数对更新后的测试集进行修正的步骤。

s308.计算所述测试集之外的每个测试的故障检测能力值与测试代价的比值，所述故障检测能力值为未被检测到的故障集中的所有故障被所述测试集之外的测试检测到的概率之和。作为示例性的实施例，可以基于当前测试集计算得到未被选择的测试集，以及基于当前测试集对应的故障集计算得到未被检测到的故障集，示例性的，由当前测试集ti得到未被选中的测试集根据故障集fi得到未被检测到的故障集其中，t为测试种群，f为总故障集，为未被选择的测试集，为未检测到的故障集。对未被选中测试集中每个测试计算比值：其中，p为中能被相应测试检测的故障概率之和，c为相应测试的测试代价。

s310.将所述比值最大的测试加入所述测试集，并将所述测试检测到的故障加入所述故障集。作为示例性的实施例，将检测能力最好，测试代价最小的测试加入当前测试集，对当前测试集进行更新，在更新之后，返回步骤s304和步骤s306，基于更新后的测试集计算故障检测率，并重新判断故障检测率是否小于预设检测率，当故障检测率小于预设检测率时重复执行步骤s308和步骤s310，直至故障检测率大于预设检测率，确认完成对当前测试集的更新，继续对种群中按照步骤s302至步骤s310的技术方案对剩余测试集进行更新，直至完成所有测试集的更新，进入基于所述适应度函数对更新后的测试集进行修正的步骤。

作为示例性的实施例，基于所述适应度函数对更新后的测试集进行修正可以包括：基于所述适应度函数计算测试集的适应度值，所述适应度函数基于所述罚函数构建；基于所述适应度值对所述测试集进行评价；基于评价结果选择所述测试集。具体的，适应度函数包括：

其中，ti为测试，ci为ti的测试代价，ti为测试集，t为全部测试集；γ^*f1为测试集ti的故障隔离率指标，γf1为预设故障隔离率指标，β为常数。

当测试集ti满足预设故障隔离率指标时，测试集ti的适应度由决定，当测试集ti不满足预设故障隔离率指标时，该测试集ti的适应度由β·max(0，γ^*f1-γf1)决定，以确保每次利用适应度函数值所选择的个体为当前种群中的较优个体。

作为示例性的实施例，为了提高对于测试集的局部和全局搜索能力，可以计算测试种群中所有测试集的适应度值的平均值；以所述平均值作为评价指标自适应调整所述测试种群的惯性权重。具体的，可以自适应权重调整策略是根据当前所有粒子适应度值的平均值作为评价指标，将粒子群分为3个不同的子种群，每个子群根据粒子的适应度值采用不同的惯性权重，使群体始终保持惯性权重的多样性以提高局部和全局搜索能力。示例性的，

(1)当fi＞fp时，

(2)当fg≤fi≤fp时，

(3)当fi＜fg时，ω′＝ωmax

其中，ω为权重因子；fg为全局最优测试集的适应度值；fp为较优的的适应度值，fp取全局最优测试集的适应度值和当前所有测试集的适应度平均值的中间值；ωmin为ω的最小值；ωα为ω取值区间[ωmin，ωmax]的中间值；ωmax为ω的最大值；curiter为算法的当前迭代次数；maxiter为算法的最大迭代次数。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom(read-onlymemory，只读存储器)/ram(randomaccessmemory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

根据本申请实施例的另一个方面，还提供了一种用于实施上述装备测试性策略优化方法的装备测试性策略优化装置。图4是根据本申请实施例的一种可选的装备测试性策略优化装置的示意图，如图4所示，该装置可以包括：

获取模块402，用于获取测试种群，所述测试种群包括多个用于对装备进行测试的测试集；

确定模块404，用于基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；

第一建模模块406，用于将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或

第二建模模块408，用于将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型。

优化计算模块410，用于基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算。

需要说明的是，该实施例中的获取模块，402可以用于执行上述步骤s202，该实施例中的确定模块404可以用于执行上述步骤s204，该实施例中的第一建模模块406可以用于执行上述步骤s206，该实施例中的第二建模模块408可以用于执行上述步骤s208，该实施例中的优化计算模块410可以用于执行上述步骤s210。

此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。

根据本申请实施例的又一个方面，还提供了一种用于实施上述装备测试性策略优化方法的电子设备，该电子设备可以是服务器、终端、或者其组合。

图5是根据本申请实施例的一种可选的电子设备的结构框图，如图5所示，包括处理器502、通信接口504、存储器506和通信总线508，其中，处理器502、通信接口504和存储器506通过通信总线508完成相互间的通信，其中，

存储器506，用于存储计算机程序；

处理器502，用于执行存储器506上所存放的计算机程序时，实现如下步骤：

获取测试种群，所述测试种群包括多个用于对装备进行测试的测试集；

基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；

将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或，

将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型；

基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算。

可选地，在本实施例中，上述的通信总线可以是pci(peripheralcomponentinterconnect，外设部件互连标准)总线、或eisa(extendedindustrystandardarchitecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括ram，也可以包括非易失性存储器(non-volatilememory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。

作为一种示例，如图5所示，上述存储器502中可以但不限于包括上述装备测试性策略优化装置中的获取模块402、确定模块404、第一建模模块406、第二建模模块408、优化计算模块410。此外，还可以包括但不限于上述装备测试性策略优化装置中的其他模块单元，本示例中不再赘述。

上述处理器可以是通用处理器，可以包含但不限于：cpu(centralprocessingunit，中央处理器)、np(networkprocessor，网络处理器)等；还可以是dsp(digitalsignalprocessing，数字信号处理器)、asic(applicationspecificintegratedcircuit，专用集成电路)、fpga(field－programmablegatearray，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。

本领域普通技术人员可以理解，图5所示的结构仅为示意，实施上述装备测试性策略优化方法的设备可以是终端设备，该终端设备可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobileinternetdevices，mid)、pad等终端设备。图5其并不对上述电子装置的结构造成限定。例如，终端设备还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图5所示的不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、rom、ram、磁盘或光盘等。

根据本申请实施例的又一个方面，还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行装备测试性策略优化方法的程序代码。

可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：

获取测试种群，所述测试种群包括多个用于对装备进行测试的测试集；

基于所述测试种群确定所述装备的测试代价、基本可靠性代价和测试性性能效益；

将所述测试代价和基本可靠性代价作为第一约束参数，将所述测试性性能效益作为第一测试指标构建第一测试性优化模型；和/或，

将所述测试代价、所述基本可靠性代价和所述测试性性能效益作为第二约束参数，将装备综合效益作为第二测试指标构建第二测试性优化模型；

基于所述第一测试性优化模型和所述第二测试性优化模型采用适应度函数进行测试性策略优化计算。

可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。

可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、rom、ram、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。