摘要
本发明属于EOL下线测试程序自动生成领域,具体涉及一种基于强化学习的车辆域控制器EOL测试程序生成方法。包括以下步骤:S1:从原理图中获取的元器件原始数据,将原始电路及元器件连接属性进行数据处理,组合成最小电路组合数据;S2:在步骤S1得到的二维向量数据集上构建一个最优EOL下线测试用例选择模型;S3:基于S2模型,利用Q‑Learning算法生成当前优先级最高的EOL测试程序;S4:根据评判标准来选择出最优的测试用例。本发明方法解决了测试结果施加奖励方法的缺陷是检测失效率低,难以收敛;测试反馈时间长的问题。
技术关键词
测试程序生成方法
强化学习模型
生成测试程序
蒙特卡洛
测试向量集
数据处理工作
模型更新
策略
执行测试用例
长度计数器
下线
算法
电路
区域控制器
奖励方法
网络名
车辆
电子元器件
系统为您推荐了相关专利信息
地铁直流供电系统
自然语言生成技术
条件对抗生成网络
短路
风险评估模型
强化学习模型
子模块
构建行业知识图谱
知识图谱构建
支持用户自定义
扩展智能
多智能体协作
蒙特卡洛树搜索
知识图谱问答方法
生成可执行
日前优化调度方法
储能
蒙特卡洛模拟方法
预测误差
条件风险价值