摘要:针对实际复杂系统诊断与测试过程中普遍存在的不确定性问题，提出测试不可靠条件下基于人工免疫克隆选择算法（artificial immune clone selection algorithm, AICS）的测试点优化选择方法。通过综合考虑故障检测率、隔离率、虚警率以及测试总费用等性能指标，构造了反映测试点集性能的适应度函数，并设计了基于AICS的不可靠测试点优化方案，有效地降低了算法复杂度，时间开销缩减到0496 s，提高了运行效率。最后用燃油耗量测量系统的耗量组件进行实例验证，结果表明该方法能够获得在满足故障检测率、隔离率、虚警率等性能指标要求下,使得测试总费用最少的测试点集合，并且其综合性能指标优于遗传算法和模拟退火粒子群算法。