理论教育 基于匹配函数的测试资源匹配算法验证

基于匹配函数的测试资源匹配算法验证

时间:2023-06-16 理论教育 版权反馈
【摘要】:依据文献[87]中针对某被测对象测点集的相关实验数据,加入资源损耗模型的仿真分析,验证基于匹配函数的测试资源匹配算法的可行性。本小节以任务Ta1中子任务ST1,1的资源匹配为例进行验证。步骤4基础匹配:筛选出Resource中所有满足ST1,1刚性偏好的子资源并记录于文档1,如表5-8所示。例如子任务ST1,5的最优匹配资源为r4,1,但由于该子资源被ST1,1占用,因此在资源r3中选取损耗较少的子资源r3,40。

基于匹配函数的测试资源匹配算法验证

依据文献[87]中针对某被测对象测点集的相关实验数据,加入资源损耗模型的仿真分析,验证基于匹配函数的测试资源匹配算法的可行性。UUT测点集数据如表5-5所示,仪器设备端口集参数如表5-6所示,表5-6中未完全显示的资源损耗信息如表5-7所示。其中DC表示交流电压,AC表示直流电压,COM表示公用端电阻,TA表示时间分析,AF表示交流频率,Resolution(Re)表示分辨率,Accuracy(Acc)表示精确度,I表示电流,Time表示时间。本小节以任务Ta1中子任务ST1,1的资源匹配为例进行验证。

表5-5 UUT测点集数据

步骤1 任务描述:任务集合Tasks={Ta1,Ta2,Ta3,Ta4},任务Ta1={ST1,1,ST1,2,…,ST1,8},子任务ST1,1={DC,AC,COM,TA,AF,Re,Acc,I,Time}。

表5-6 仪器设备端口集参数

表5-7 仪器资源resource3和resource5损耗数据

步骤2 资源描述:资源集合Resource={resource1,resource2,…,resource6},资源resource1={r1,1,r1,2},子资源r1,1={DC,AC,COM,TA,AF,Re,Acc,I,Time}。

步骤3 任务/资源匹配:将ST1,1和r1,1代入RMM中进行属性匹配,结果见式(5-36):

ST1,1中属性DC和Re为有效属性,即只包含DC和Re两种属性;r1,1满足ST1,1的刚性偏好,不仅包含属性DC和Re,还包含AC、AF和COM,因此r1,1和ST1,1之间过匹配;重复步骤2和步骤3直到Resource中所有子资源均与ST1,1完成属性匹配。

步骤4 基础匹配:筛选出Resource中所有满足ST1,1刚性偏好的子资源并记录于文档1,如表5-8所示。

步骤5 待选子资源汇总:汇总文档1中与ST1,1匹配的待选子资源,生成AResource={AR1,AR2,AR3,AR4}={AR1(r1,1),AR2(r3,1,r3,2,…,r3,64),AR3(r4,1),AR4(r6,1,r6,2)};分析知,除了AR3中的子资源r4,1的分辨率属于正匹配外,其余子资源的各项属性均属于过匹配。

步骤6、7 辅助匹配、结果输出:待选子资源数量虽多,但种类较少,采用方案2量化所有子资源的三类属性,如表5-8所示,其中ST1,1辅助匹配的具体过程如下所示。

为方便比较不同子资源的计算结果并简化计算流程,采用数学比值的方式实现不同子资源间特征属性的比较,见式(5-37)~式(5-41)。其中,MTCi表示资源resourcei测试成本TC的取值;∑MTC表示所有待选资源TC的总和。(www.daowen.com)

其余子资源特征属性的计算方式与此相同,在此不做赘述。依据各待选子资源的匹配函数值MFMFA进行排序,筛选得到过匹配资源r3,记录于文档4;由于r3包含64个相同类别的子资源,故依据使用损耗RL针对r3中所有子资源进行排序,筛选得到最优匹配子资源r3,22,记录于文档2,ST1,1资源匹配完成。其余子任务的资源匹配方式与ST1,1相同,在此不做赘述。所有子任务与资源匹配方案和结果如表5-9所示。

由表5-9知,部分子任务的最优匹配子资源集中于r4,1。在部队日常的装备保障活动中,测试时间不是主要考虑因素,因此任务可以等待所需资源的释放或者在剩余资源中选取最优匹配子资源。例如子任务ST1,5的最优匹配资源为r4,1,但由于该子资源被ST1,1占用,因此在资源r3中选取损耗较少的子资源r3,40

表5-8 辅助匹配相关数据

表5-9 所有子任务与资源匹配方案和结果

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈