1.一种基于生成数据的测试性多目标分配方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s1步骤中获取各个部件历史测试过程的指标包括:测试通过率,故障检测率,故障隔离率,二次故障率和虚警率。
3.如权利要求1所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s1步骤中获取各个部件历史测试过程的指标、时间和成本数据的具体流程如下:
4.如权利要求3所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s2步骤中根据各部件的测试历史数据,构建改进的对抗神经网络模型的具体流程如下:
5.如权利要求4所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s24步骤中训练改进的对抗神经网络模型过程如下:
6.如权利要求5所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s3步骤中各部件不同指标的时间变化函数和成本变化函数的数学表达分别如下:
7.如权利要求6所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s4步骤中构建以成本和时间双导向的多目标测试性分配模型的步骤如下:
8.如权利要求7所述的基于生成数据的测试性多目标分配方法,其特征在于,所述s5步骤中设计基于改进拉格朗日松弛的优化算法对模型进行求解,实现各部件多元多目标的综合优化的步骤如下: