专利交易市场

本发明实施例公开了一种基于动态多目标进化的多目标参数优化方法和系统、电子终端和存储介质。所述方法通过根据当前时刻Pareto解集的多个子区域的中心点，实现对新环境下Pareto解集多个子区域中心点的准确预测；采用多区域多样性维持策略在下一时刻可能的解集范围随机产生其他个体，增加种群多样性。采用算法优化得到下一时刻初始种群，使得新环境下的初始种群更加接近真实Pareto解集，达到加快算法收敛速度的目的。

本发明提供了一种放大器设计参数多目标优化方法，涉及模拟电路优化设计技术领域，包括以下步骤：定义目标函数，生成权向量和初始种群；计算个体的目标值，根据个体和目标值构建LGBM代理模型；对权向量构建邻居集合，从邻居集合中随机选择两个权向量，将两个权向量对应的个体作为父代个体生成新个体；通过LGBM代理模型预测或计算得到新个体的目标值；基于目标值结合聚合函数计算个体的聚合函数值，根据聚合函数值更新当前迭代轮次下的种群和外部种群；算法迭代，在迭代中更新代理模型和权向量，直至达最大迭代次数，输出外部种群。本发明实现了多目标放大器尺寸的高效低成本优化，提升了代理模型精度，加快了帕累托前沿收敛。

本发明公开了一种基于分解的权重向量自适应的多目标测试用例排序方法，本发明针对传统测试用例排序问题中存在的目标单一，时间成本大，效果不理想等问题，创造性地引入MOEA/D‑VW算法，并以平均分支覆盖率和有效执行时间作为优化目标。该方法能在更短时间内，有效地实现多目标测试用例排序。该发明提高缺陷的早期检测速率，有效降低了回归测试成本。本发明在方法层面，对于传统的多目标优化算法进行了改进，加入了自适应的权重向量变化策略，使得结果有更好的分布性，获得的测试用例排序序列有更多的选择性。