Надіслати статтю
вул. Інститутська 11, м. Хмельницький, 29016
visnyk.khnu@khmnu.edu.ua
(0382) 67-51-08

АЛГОРИТМ СИНТЕЗУ ДИСКРЕТНИХ ТЕСТІВ НА ОСНОВІ ЕВОЛЮЦІЙНИХ ТЕОРІЙ

ALGORITHM OF SYNTHESIS OF DISCRETE TESTS BASED ON EVOLUTIONARY THEORIES

Сторінки: 40–43. Номер: №3, 2022 (309) 
Автори:
ГУРМАН І. В.
Хмельницький національний університет
https://orcid.org/0000-0002-2282-3484
e-mail: devastator192@gmail.com
МОТОРНИЙ П. В.
Хмельницький національний університет
e-mail: pmotorniy.panda@gmail.com
ЧЕШУН В. М.
Хмельницький національний університет
https://orcid.org/0000-0002-3935-2068
e-mail: cheshunvn@khmnu.edu.ua
ДЖУЛІЙ А. В.
Університет економіки і підприємництва, м.Хмельницький
https://orcid.org/0000-0001-5011-3052
e-mail: kksmkhnu@gmail.com
ЧОРНЕНЬКИЙ В. І.
Університет економіки і підприємництва, м.Хмельницький
https://orcid.org/0000-0002-0576-7097
e-mail: vitnel@ukr.net
Ivan GURMAN, Pavlo MOTORNYI, Viktor CHESHUN
Khmelnytskyi National University
Andrii DZHULIY, Vitalii CHORNENKYI
University of Economics and Entrepreneurship, Khmelnytskyi
DOI: https://www.doi.org/10.31891/2307-5732-2022-309-3-40-43
Анотація мовою оригіналу
В роботі представлено варіант реалізації алгоритму синтезу дискретних із застосуванням теорії генетичних алгоритмів. Алгоритм орієнтовано на зменшення кількості необхідних перевірок об’єкта діагностування за рахунок генерації нових популяцій тестів, що зберігають перевірну здатність початкової послідовності в меншій кількості тестів-нащадків цієї послідовності, що утворюються за алгоритмом.
Ключові слова: технічна діагностика, генетичні алгоритми, синтез тестів, цифрові пристрої.
 

Розширена анотація англійською  мовою

The complexity of modern digital components and devices as objects of diagnosis, in most cases, makes it impossible for experts to synthesize tests manually in the time allowed to solve the problem of organizing diagnostic tests. This determines the relevance of the development and implementation of intelligent methods and tools for automated synthesis of test sequences. One of the promising options for the synthesis and optimization of discrete tests is the solution of this problem based on the theory of evolution or genetic algorithms.
The paper describes an algorithm for the synthesis of discrete tests using genetic algorithms. The algorithm of realization of diagnostic experiment contains stages of formation of initial population, crossing, processing of the received results and check of a condition of a stop of work of genetic algorithm. The main characteristics of the algorithm: the type of evolutionary algorithms used – hybrid; method of generating binary words of chromosome codes by crossing operator from values of diagnostic vectors of elementary tests; the method of selection of applicants for crossing – proportional, based on the probability function of fitness and the control operator of the compatibility assessment; type of crossover operator – uniform; the method of forming a new generation – the descendants of crosses of individuals based on the results of proportional selection and elitistly selected individuals that do not allow crossings under the control operator of compatibility assessment; the main way to stop the evolutionary algorithm – the loss of the ability to implement crossings of individuals in the resulting generation; additional (possible) ways to stop the algorithm – limiting the execution time or the number of iterations (generated generations).
Key words: technical diagnostics, genetic algorithms, synthesis of tests, digital devices.

Література

  1. Сакович Л.М., Глухов С.І., Бабій О.С., Гальоса А.О. Методика фізичного діагностування цифрових пристроїв об’єктів радіоелектронної техніки. Системи озброєння і військова техніка. 2020. №2(62). С. 93–101.
  2. Глухов С.І., Толубко В.Б., Вишнівський В.В. Прогнозування залишкового ресурсу інформаційних систем з використанням інтелектуальної системи діагностування. Наукові записки Українського науково-дослідного інституту зв’язку. 2019. № 3(55). С. 5–
  3. Толубко В.Б., Вишнівський В.В., Глухов С.І., Березовська Ю.В. Математичні моделі та алгоритм обробки діагностичної інформації для побудови інтелектуальної системи діагностування радіоелектронної техніки. Наукові записки Університету новітніх технологій. 4(56). С. 5–13.
  4. Danilova E. Y., Kovylyaev D. A., Gorodilov A. Y. Advanced Genetic Algorithm for the Embedded FPGA Logic Diagnostic. 2021 International Conference on Information and Digital Technologies (IDT). Volume 1. P. 95–
  5. Raja Ben Abdessalem, Shiva Nejati, Lionel C. Briand, Thomas Stifter Testing vision-based control systems using learnable evolutionary algorithms. ICSE ’18: Proceedings of the 40th International Conference on Software Engineering, May 2018. 1016–1026.
  6. Городилов А.Ю. Генетический алгоритм диагностирования цифровых устройств. Вестник Пермского НИПУ. Электротехника, информационные технологии, системы управления. № 7. С. 54–62.
  7. Иванов Д.Е. Генетические алгоритмы построения входных идентифицирующих последовательностей цифровых устройств. Донецк:  ТОВ  «Цифровая типография», 2012. 240 с.
  8. Миронов С.В., Сперанский Д.В. Генетические алгоритмы для  сокращения диагностической информации. Автоматика  и  телемеханика. 2008.  № С. 146–156.
  9. Дмитриев Д.В., Соколова Э.С., Капранов С.Н. Адаптация генетических алгоритмов к решению задач назначения точек контроля в объектах с большим числом состояний. Нейрокомпьютеры, 2007. № 11. С. 59–
  10. Бадіміна Л.А., Чешун В. М., Чорненький В. І. Генетичні алгоритми в синтезі діагностичних тестів для цифрових пристроїв. Вимірювальна та обчислювальна техніка в технологічних процесах. № 2. С. 92–99.

References

  1. Sakovych L.M., Hlukhov S.I., Babii O.S., Halosa A.O. Metodyka fizychnoho diahnostuvannia tsyfrovykh prystroiv obiektiv radioelektronnoi tekhniky. Systemy ozbroiennia i viiskova tekhnika. 2020. № 2(62). S. 93-101.
  2. Hlukhov S.I., Tolubko V.B., Vyshnivskyi V.V. Prohnozuvannia zalyshkovoho resursu informatsiinykh system z vykorystanniam intelektualnoi systemy diahnostuvannia. Naukovi zapysky Ukrainskoho naukovo-doslidnoho instytutu zviazku. 2019. № 3(55). S. 5-11.
  3. Tolubko V.B., Vyshnivskyi V.V., Hlukhov S.I., Berezovska Yu.V. Matematychni modeli ta alhorytm obrobky diahnostychnoi informatsii dlia pobudovy intelektualnoi systemy diahnostuvannia radioelektronnoi tekhniky. Naukovi zapysky Universytetu novitnikh tekhnolohii. 4(56). S. 5-13.
  4. Danilova E. Y., Kovylyaev D. A., Gorodilov A. Y. Advanced Genetic Algorithm for the Embedded FPGA Logic Diagnostic. 2021 International Conference on Information and Digital Technologies (IDT). Volume 1. P. 95-99.
  5. Raja Ben Abdessalem, Shiva Nejati, Lionel C. Briand, Thomas Stifter Testing vision-based control systems using learnable evolutionary algorithms. ICSE ’18: Proceedings of the 40th International Conference on Software Engineering, May 2018. 1016-1026.
  6. Gorodilov A.Yu. Geneticheskij algoritm diagnostirovaniya cifrovyh ustrojstv. Vestnik Permskogo NIPU. Elektrotehnika, informacionnye tehnologii, sistemy upravleniya. № 7. S. 54-62.
  7. Ivanov D.E. Geneticheskie algoritmy postroeniya vhodnyh identificiruyushih posledovatelnostej cifrovyh Doneck:  TOV  «Cifrovaya tipografiya», 2012. 240 s.
  8. Mironov S.V., Speranskij D.V. Geneticheskie algoritmy dlya  sokrasheniya diagnosticheskoj informacii. Avtomatika  i  2008.  № 7. S. 146-156.
  9. Dmitriev D.V., Sokolova E.S., Kapranov S.N. Adaptaciya geneticheskih algoritmov k resheniyu zadach naznacheniya tochek kontrolya v obektah s bolshim chislom sostoyanij. Nejrokompyutery, 2007. № 11. S. 59–
  10. Badimina L.A., Cheshun V. M., Chornenkyi V. I. Henetychni alhorytmy v syntezi diahnostychnykh testiv dlia tsyfrovykh prystroiv. Vymiriuvalna ta obchysliuvalna tekhnika v tekhnolohichnykh protsesakh. 2018. № 2. S. 92-99.

Рецензія/Peer review : 14.05

Post Author: Горященко Сергій

Translate