如今,随着科技的不断发展,人们对大规模甚至超大规模的多处理机系统的需求越来越大。这些大规模多处理机系统都是通过一定的组织结构将系统内的结点互连起来的,所以互连网络是系统内部的协同机制和主要的通信途径,是多处理器计算机的重要组成部分。多处理机系统中结点的不断增加,会导致系统的稳定性下降,系统中结点数目越多,出现故障的概率就越高。快速有效的诊断出故障结点机显得尤为重要。传统的故障诊断方法是使用专门的故障检测系统来进行故障诊断,其主要缺点是成本高、开销大。在这种情况下,互连网络故障诊断应运而生,其基本原理是通过利用系统内结点机的计算能力和通信能力,可以让结点之间进行相互测试或者比较,从而诊断出系统的故障集合。在众多专家学者的专注研究下,互连网络故障诊断取得了较大突破,并得到较好的应用。目前很多的智能诊断算法均存在较明显的易早熟收敛问题,而烟花算法在局部搜索和全局搜索上具有良好的自调节能力,可以有效解决这一问题,所以本文基于两个不同故障诊断模型的特点,利用烟花算法分别设计出不同模型下的高效互连网络故障诊断算法。本文在互连网络故障诊断方面的研究工作主要有:1.提出一种Malek模型下的互连网络故障诊断烟花算法。算法引入指定无故障结点法初始化烟花种群,设计了基于Malek模型的约束方程组和适应度评价函数,利用改进的烟花算法来解决故障诊断问题,最后进行仿真实验验证了该算法在诊断问题上具有高效性。2.提出一种带遗传算子的互连网络故障诊断烟花算法(FAGOINF)。该算法针对在烟花算法演化的中后期,种群中存在较多的相同个体,导致算法的搜索速度减慢并且易陷入局部极值问题,在烟花爆炸算子和高斯变异算子之后增加剔除重复个体操作,并考虑到删除重复个体后,种群规模可能减小,进而提出了交叉补充种群法,该方法借鉴遗传算法的交叉操作原理,利用种群的现有个体生成新个体来补充种群的个体数量。同时为了加强种群个体之间的信息交流,在算法中引入遗传算法的交叉算子和变异算子,最后通过一系列仿真对比实验,验证了该算法在故障诊断问题上的高效性和稳定性。