[科普中国]-故障诊断算法

背景

学术界对于面向网络的故障管理的研究较为成熟，工业界在市场上推出的许多网管系统中都包含有相应的故障管理模块。相对于面向网络的故障管理，尽管学术界对于面向服务的故障管理的相关研究并不算少，但市场上较成熟的服务管理产品仍然不多，甚至可以说现阶段仍缺少面向服务故障管理的完整解决方案。

研究现状故障管理向来是工业界和学术界的重要研究课题，然而过去对于故障管理的研究主要是面向网络的。近十年来，随着工nternet服务的发展，研究人员逐渐开始关注面向服务的故障管理。但由于服务故障起因非常复杂，从终端故障到网络故障、从软件故障到硬件故障，都是造成服务不可用或性能降级的原因，因此大多数学者都选取服务故障的某一个方面进行研究。

算法在故障诊断的研究过程中，张大方等人提出集团诊断算法，将有相同故障属性的单元先划分为同一集团，再进行诊断，减少了诊断量：刘兵等在此基础设计于N,一种贪婪诊断算法，也取得有效的诊断结果：宣恒农等人提出的方程诊断算法，将系统级故障诊断问题以方程的形式表现出来，通过对测试症候矩阵的代数方程运算求得相容解，当系统中的故障单元数超过，，其他诊断算法无法使用时，方程诊断算法依然能取得较好的诊断效果。

近年来，群体智能算法成为币要的研究热点之一这类算法通过观察自然界群体生物的全比织与协作，总结出宏观的智能行为特征，其机制适用解决绝大多数纽合优化问题。当发展较为成熟的群体能算法包括遗传(GA)算法、人工免疫(AI)算法、粒子群(PSO)算法等。近期，又有学者提出了一批优秀的群体智能算法，如萤火虫(FA)算法、布谷鸟搜索(CS)算法等等。其中CS算法模仿布谷鸟的巢寄生繁殖机理，与现有的诸多群体智能算法相比，其最大特征在于以Levy飞行的方式搜索全局解p。最优解不参与迭代，避免了当当前最优解陷入某个局部区域时，其余个体也被吸引至该局部区域的困境，因此具有较优的平衡搜索能力。相应的模拟仿真表明CS算法与PSO算法、AI算法相比，拥有更优越的收敛、平衡与寻优性能，更加适用于解决组合优化问题。