技術(shù)特征：

1.一種基于多目標(biāo)遺傳規(guī)劃算法的序貫測試優(yōu)化方法，其特征在于，包括以下步驟：

S1：根據(jù)系統(tǒng)的測試依賴矩陣隨機生成H個故障診斷樹，H的大小根據(jù)需要確定；

S2：令迭代次數(shù)w＝1；

S3：分別計算種群中每個個體的測試指標(biāo)值F_hr，h＝1,2,…,H，r＝1,2,…,R，R表示測試指標(biāo)的數(shù)量；根據(jù)測試指標(biāo)值F_hr對種群中的個體進行分組，分組的具體步驟包括：

S3.1：初始化集合A等于當(dāng)前種群，令分組序號v＝1；

S3.2：從集合A中搜索每個測試指標(biāo)值F_hr極值對應(yīng)的個體，如果測試指標(biāo)的優(yōu)化目標(biāo)是盡可能大，則選擇最大值對應(yīng)的個體，如果測試指標(biāo)的優(yōu)化目標(biāo)是盡可能小，則選擇最小值對應(yīng)的個體；

S3.3：從集合A中篩選出未被測試指標(biāo)值F_hr極值支配的個體；

S3.4：將本輪篩選中步驟S3.2和步驟S3.3得到的個體構(gòu)成第v個分組，并將該分組中的個體從集合A中刪除；

S3.5：判斷是否集合A為空，如果是，分組結(jié)束，否則進入步驟S3.6；

S3.6：令v＝v+1，返回步驟S3.2；

S4：計算當(dāng)前種群中每個個體的適應(yīng)度值λ_h＝α_h-0.5β_h，其中α_h＝0.5(V-v_h+1)，v_h表示個體h所屬的分組序號，G_h表示個體h所屬分組中除該個體以外其他個體構(gòu)成的集合，γ_hh′表示擁擠距離，其計算公式如下：

其中，δ_share表示預(yù)設(shè)距離閾值，h′∈G_h；

S5：根據(jù)步驟S4計算的各個個體的適應(yīng)度，選擇得到父個體集合；

S6：將父個體集合中的個體隨機分為H/2組，然后以組為單位，比較每組中的兩個個體是否存在故障集相同的結(jié)點，如果某組中的兩個個體不存在故障集相同的結(jié)點，則該組不進行交叉操作，如果某組中的兩個個體存在故障集相同的結(jié)點，首先刪除大小等于M-1或等于1的相同故障集，M表示系統(tǒng)故障集S中故障數(shù)量，在剩余的相同故障集中任意選擇一個故障集，交換該故障集結(jié)點及其子樹；

S7：對交叉后得到的個體進行變異操作，其變異方法為：對于種群中的每個個體，隨機選擇一個節(jié)點，若該節(jié)點只包含一個故障，則重新選擇，若該節(jié)點包含若干個故障且有能分割對應(yīng)故障集的可用測點，則從該節(jié)點的可用測點中隨機選擇一個與之前使用過的測點都不相同的測點，將以該節(jié)點為根節(jié)點的子樹從故障診斷樹中刪除，用新選出的測點重新生成相應(yīng)的子樹；

S8：判斷是否w＜W，W表示最大迭代次數(shù)，如果是，進入步驟S9，否則進入步驟S10；

S9：令w＝w+1，返回步驟S3；

S10：從最終代種群中搜索每個測試指標(biāo)值F_hr極值對應(yīng)的個體，再篩選出未被測試指標(biāo)值F_hr極值支配的個體，作為本系統(tǒng)序貫測試的非支配故障診斷樹。

2.根據(jù)權(quán)利要求1所述的序貫測試優(yōu)化方法，其特征在于，所述的步驟S1中，故障診斷樹的生成方法為：

S2.1：令根節(jié)點p₀為故障集，即p₀＝S，令層數(shù)初始值k＝0；

S2.2：統(tǒng)計第k層故障集節(jié)點數(shù)量D_k；

S2.3：判斷是否D_k＝0，如果不是，進入步驟S2.4，否則故障診斷樹生成結(jié)束；

S2.4：令故障集節(jié)點序號d＝1；

S2.5：首先確定當(dāng)前測點節(jié)點的可用測點集φ＝T-T′，T′表示當(dāng)前測點節(jié)點上層節(jié)點的測點集合；從可用測點集φ中任意選擇一個可以分割故障集S_kd的測點t，S_kd即表示第k層第d個故障集節(jié)點所對應(yīng)的故障集，令測點節(jié)點t_kd＝t，根據(jù)測點t的分割結(jié)果確定故障集S_kd的子故障集S_kd-left和S_kd-right，如果不存在可以分割故障集S_kd的測點，則不做任何操作；

S2.6：判斷是否d＜D_k，如果是，進入步驟S2.7，否則進入步驟S2.8；

S2.7：令d＝d+1，返回步驟S2.5；

S2.8：令k＝k+1，返回步驟S2.2。

3.根據(jù)權(quán)利要求1所述的序貫測優(yōu)化方法，其特征在于，所述步驟S3中測試指標(biāo)包括測試時間和測試費用。