飞行管理系统中轨迹预测的自适应压力测试

为在飞行关键系统中发现故障事件及其发生概率，我们研究了一种称为自适应压力测试（adaptive stress testing）的先进黑盒压力测试方法。我们分析了一个来自在研商用飞行管理系统的轨迹预测器，其输入为一组侧向航路点和航路环境条件。我们的目标是搜索与预测侧向轨迹不一致相关的故障事件。本工作的意图是发现可能的故障并反馈给开发人员，以便在部署前解决并潜在消除系统的缺陷。为提升搜索性能，本工作将自适应压力测试公式推广至更一般的具有片段式奖励的序贯决策问题，通过在搜索过程中收集状态转移并在模拟展开结束时进行评估。我们使用一种带渐进扩展的改进蒙特卡洛树搜索算法作为对抗式强化学习器。其性能与直接蒙特卡洛模拟以及作为替代重要性采样基线的交叉熵方法进行比较。目标是发现传统基于需求的测试 otherwise 无法发现的问题。结果表明，相较基线方法，我们的自适应压力测试方法发现了更多故障，且发现的故障具有更高的发生概率。