一种基于混合模型的元启发式测试用例排序方法

    公开(公告)号:CN111367790B

    公开(公告)日:2023-05-12

    申请号:CN202010092901.3

    申请日:2020-02-14

    Abstract: 本发明涉及一种基于混合模型的元启发式测试用例排序方法,属于无线通信技术领域。该方法为:S1:搜集被测方测试需求涉及的通信协议测试用例,计算测试用例间的相似度因子Si,j和测试数据的重要程度TF‑IDF值;S2:根据TF‑IDF值初始化萤火虫智能体(FA)的亮度Brightnessi,j及设计目标函数f(xi,j);S3:根据编辑距离与Brightnessi,j用改进后的萤火虫算法以全局搜索的方式寻找FA下一处将要到达的节点候选集Setcandidate;S4:从候选集Setcandidate以局部搜索根据相似度因子Si,j选择最优的解;S5:改变测试用例起点位置,重复S2至S4步骤,寻找FA的最优移动路径并记录,输出最优测试序列。本发明提高了工业无线通信协议测试效率,减少了测试代价。

    一种基于强化学习的SDWSN最优路径计算方法

    公开(公告)号:CN114501576A

    公开(公告)日:2022-05-13

    申请号:CN202210107090.9

    申请日:2022-01-28

    Abstract: 本发明涉及一种基于强化学习的SDWSN最优路径计算方法,属于软件定义无线传感网络领域。该方法包括:S1:结合节点位置和时延信息,构建网络节点能耗估算模型,并根据该模型估算所有节点的能耗速率;S2:根据能耗和节点密度空间的相关性,采用动态半径的簇头选择算法,计算出事件区域需要选取的簇头节点数k;同时选取k个副簇头节点作为簇头节点的簇内数据转发节点;S3:采用基于强化学习的最优路径选择算法,计算传输的最优路径。本发明能有效提高生存周期、均衡网络能耗和提高数据包传输率。

    一种基于强化学习的SDWSN最优路径计算方法

    公开(公告)号:CN114501576B

    公开(公告)日:2024-06-18

    申请号:CN202210107090.9

    申请日:2022-01-28

    Abstract: 本发明涉及一种基于强化学习的SDWSN最优路径计算方法,属于软件定义无线传感网络领域。该方法包括:S1:结合节点位置和时延信息,构建网络节点能耗估算模型,并根据该模型估算所有节点的能耗速率;S2:根据能耗和节点密度空间的相关性,采用动态半径的簇头选择算法,计算出事件区域需要选取的簇头节点数k;同时选取k个副簇头节点作为簇头节点的簇内数据转发节点;S3:采用基于强化学习的最优路径选择算法,计算传输的最优路径。本发明能有效提高生存周期、均衡网络能耗和提高数据包传输率。

    一种基于多目标的工业通信协议测试用例优先级排序方法

    公开(公告)号:CN114448911A

    公开(公告)日:2022-05-06

    申请号:CN202210106210.3

    申请日:2022-01-28

    Abstract: 本发明涉及一种基于多目标的工业通信协议测试用例优先级排序方法,属于无线通信协议测试领域。该方法包括以历史执行失败率最大化以及执行时间最小化作为排序目标;对通信协议测试用例编码,设置帕累托最优解集NDSet;使用改进的多目标灰狼算法以全局搜索方式寻找最优解,更新NDSet;判断是否满足最大迭代次数;根据工业通信协议测试标准规范及测试用例历史执行信息,确定部分测试用例之间的依赖关系;根据测试用例执行结果,通过部分测试用例之间的依赖关系动态更新之后的测试用例顺序,计算测试用例序列的平均故障检测率、错误发现效率及有效执行时间;更新数据库中的测试用例的执行信息。本发明能够提高软件测试效率、保障软件质量。

    一种基于多目标的工业通信协议测试用例优先级排序方法

    公开(公告)号:CN114448911B

    公开(公告)日:2023-09-22

    申请号:CN202210106210.3

    申请日:2022-01-28

    Abstract: 本发明涉及一种基于多目标的工业通信协议测试用例优先级排序方法,属于无线通信协议测试领域。该方法包括以历史执行失败率最大化以及执行时间最小化作为排序目标;对通信协议测试用例编码,设置帕累托最优解集NDSet;使用改进的多目标灰狼算法以全局搜索方式寻找最优解,更新NDSet;判断是否满足最大迭代次数;根据工业通信协议测试标准规范及测试用例历史执行信息,确定部分测试用例之间的依赖关系;根据测试用例执行结果,通过部分测试用例之间的依赖关系动态更新之后的测试用例顺序,计算测试用例序列的平均故障检测率、错误发现效率及有效执行时间;更新数据库中的测试用例的执行信息。本发明能够提高软件测试效率、保障软件质量。

    一种基于旋转框定位改进的Faster-RCNN极性元器件检测方法

    公开(公告)号:CN114494203A

    公开(公告)日:2022-05-13

    申请号:CN202210101903.3

    申请日:2022-01-27

    Abstract: 本发明涉及一种基于旋转框定位改进的Faster‑RCNN极性元器件检测方法,属于自动化领域。该方法为:获取大量PCB板图像数据集并对其元器件进行标识;利用主干网络提取到的不同层次特征图输入特征金字塔网络结构中,开展多尺度特征融合;构建有向目标检测模块,在特征金字塔中尺度不同的每一层进行有向目标检测,获得极性元器件的旋转定位框和元器件类别;根据旋转定位框的正负子旋转区域,对正负子旋转区域进行分类得到极性元器件的正负极方向,最后结合旋转定位框的旋转角度得到极性元器件的极性方向。该方法实现对电路板上极性元器件的类别、位置、极性方向等信息的一并检测,提高了检测的自动化程度和精确度。

    基于扩展有限状态机的WIA-PA协议模糊测试数据生成方法

    公开(公告)号:CN114501458B

    公开(公告)日:2024-07-23

    申请号:CN202210116000.2

    申请日:2022-01-27

    Abstract: 本发明涉及一种基于扩展有限状态机的WIA‑PA协议模糊测试数据生成方法,属于工业无线协议漏洞挖掘领域,包括以下步骤:对WIA‑PA协议进行描述,构建协议的扩展有限状态机模型;转化为最简等价等效扩展有限状态机模型;分离出不等价的状态配置;构造WIA‑PA协议数据的协议树模型,对协议树剪枝;设计变异因子,选择初次变异方式;得到变异协议消息,获得模糊测试序列,将所有测试序列作为模糊测试用例;S5:将生成的测试数据发送到被测设备,监控并记录被测设备响应报文;S6:根据被测系统是否异常或者系统响应报文推断协议状态,回溯调整可变异节点,动态调整后续输入消息;S7:重复步骤S4‑S6直到回溯过程结束。

    一种基于无线网络分簇拓扑的矩阵模型估计时间同步方法

    公开(公告)号:CN113038589B

    公开(公告)日:2022-07-22

    申请号:CN202110264812.7

    申请日:2021-03-04

    Abstract: 本发明涉及一种基于无线网络分簇拓扑的矩阵模型估计时间同步方法,属于无线传感网络通信技术领域。包括以下步骤:S1:部署网络节点,构建簇状拓扑结构,分析节点不同晶振频率工作模式下的状态,建立矩阵估计的逻辑时钟模型;S2:根据簇状拓扑结构,分为簇间同步和簇内同步,选择高晶振频率模式或低晶振频率模式,分别以不同晶振频率建立的状态函数估计时钟漂移相对参量和时钟偏移相对参量;S3:通过估计的时钟漂移相对参量和时钟偏移相对参量采用最大似然估计分别对高低晶振频率模式的时钟漂移和时钟偏移进行估计,并周期性补偿。本发明有效的解决了网络节点在不同晶振频率模式下的通信问题,提高了网络可靠性和同步精度。

    基于扩展有限状态机的WIA-PA协议模糊测试数据生成方法

    公开(公告)号:CN114501458A

    公开(公告)日:2022-05-13

    申请号:CN202210116000.2

    申请日:2022-01-27

    Abstract: 本发明涉及一种基于扩展有限状态机的WIA‑PA协议模糊测试数据生成方法,属于工业无线协议漏洞挖掘领域,包括以下步骤:对WIA‑PA协议进行描述,构建协议的扩展有限状态机模型;转化为最简等价等效扩展有限状态机模型;分离出不等价的状态配置;构造WIA‑PA协议数据的协议树模型,对协议树剪枝;设计变异因子,选择初次变异方式;得到变异协议消息,获得模糊测试序列,将所有测试序列作为模糊测试用例;S5:将生成的测试数据发送到被测设备,监控并记录被测设备响应报文;S6:根据被测系统是否异常或者系统响应报文推断协议状态,回溯调整可变异节点,动态调整后续输入消息;S7:重复步骤S4‑S6直到回溯过程结束。

    一种基于无线网络分簇拓扑的矩阵模型估计时间同步方法

    公开(公告)号:CN113038589A

    公开(公告)日:2021-06-25

    申请号:CN202110264812.7

    申请日:2021-03-04

    Abstract: 本发明涉及一种基于无线网络分簇拓扑的矩阵模型估计时间同步方法,属于无线传感网络通信技术领域。包括以下步骤:S1:部署网络节点,构建簇状拓扑结构,分析节点不同晶振频率工作模式下的状态,建立矩阵估计的逻辑时钟模型;S2:根据簇状拓扑结构,分为簇间同步和簇内同步,选择高晶振频率模式或低晶振频率模式,分别以不同晶振频率建立的状态函数估计时钟漂移相对参量和时钟偏移相对参量;S3:通过估计的时钟漂移相对参量和时钟偏移相对参量采用最大似然估计分别对高低晶振频率模式的时钟漂移和时钟偏移进行估计,并周期性补偿。本发明有效的解决了网络节点在不同晶振频率模式下的通信问题,提高了网络可靠性和同步精度。

Patent Agency Ranking