基于遗传算法的数字电路试生成方法

本文提出了一种基于遗传算法的数字电路测试图形生成方法，首先把被测电路的门细描述转化为易于计算的非线性网络，然后用遗传算法找到网络能量函数的最优解，从而得以被测电路的测试集。     

基于VHDL语言的数字电路测试码自动生成

本文提出了一种新的基于VHDL语言的组合数字电路测试码自动生成方法。在VHDL语言描述组合数字电路的基础上,建一VHDL语言的编译器,并输入为描述被测电路的VHDL语言,输出结果为描述被测电路功能的一系列逻辑表达式。针对这些逻辑表达式,本文详细地介绍了一种能直接产生电路测试码的算法。     

基于遗传算法的自适应测试生成

文章介绍了一种基于遗传算法的自适应测试生成方法，首先讨论了用遗传算法进行测试生成时构造评价函数的一些方法，然后应用组合电路的Hopfield神经网络模型，提出了基于遗传算法的自适应测试生成算法，该方法不同于传统的方法，它不需要故障传播传播、回退等过程，实验结果表明了本算法的可行性。     

基于神经网络模型测试生成的学习策略

本文描述一种基于组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型的测试生成系统，重点介绍了系统中实现神经网络学习并记忆基于电路拓扑的知识信息的学习策略，从而将基于电路拓扑的知识与数学计算结合起来，最后给出了实验结果。     

基于蚂蚁算法和遗传算法的时序电路测试生成

为提高时序电路的测试生成效率,该文提出一种新的基于蚂蚁算法和遗传算法的时序电路测试矢量生成算法.针对国际标准时序电路的实验结果表明,该交叉算法既充分发挥了两种算法的优点,又克服了各自的缺点,与其它同类测试生成算法相比,获得了较好的故障覆盖率和测试集.说明采用蚂蚁算法和遗传算法的交叉算法是成功的.     

数字电路测试向量自动生成系统的比较

把遗传算法与蚂蚁算法运用于组合电路向量自动生成系统,并比较两者性能的优劣,根据实验结果进一步提出优化组合方案,将此方案应用于同步时序电路的测试向量自动生成系统中。提出一种优化的数字电路的测试向量自动生成系统。这个系统集合了蚂蚁算法和遗传算法的优点,使系统能在更短时间生成更小的测试集,而又能达到原先的故障覆盖率。     

数字电路中的测试

一般在数字电路及系统设计中，数字电路功能测试是一件必不可少的工作，本文阐述了调试数字电路系统测试的必要步骤及方法。     

数字电路测试生成的基本算法

计算机辅助测试（CAT）工具有助于数字电路测试的自动化，这主要是由于使用了有效的算法和相应的软件结构。文章主要介绍了测试生成领域有重大影响的基本要领和算法。     

基于遗传算法的NoC互连测试研究

针对互连测试难题的分析,提出一种基于遗传算法的NoC互连测试方案。该方案采用NoC重用测试机制的方法,在功耗限制条件下,选取合适的测试端口和最短测试路径,同时根据互连测试中实际存在的问题,对算法进行适当改进,建立基于遗传算法的NoC互连测试模型,旨在获取最优矢量集的同时,测试代价更小。当NoC的规模达到一定程度时,采用划分测试方法,缩短测试路径,降低测试时间,提高测试效率。以SoCIN结构电路为仿真平台,分别对不同规模的NoC进行实验仿真。实验结果表明,遗传算法能快速有效地收敛到最优解,在测试运行代数及测试生成时间上取得了良好的测试效果。     

数字电路测试生成中的几种仿生优化算法

数字集成电路的快速发展对电路测试提出了日益紧迫的要求，为获得较好的数字电路的故障覆盖率和测试集，减少反向回溯，很多仿生学算法应用到了电路的测试生成当中，现介绍了在测试生成领域中有重大影响的几种仿生优化算法以及各自特点。     

电路测试神经网络方法中求多个测试矢量

文章研究在数字电路测试的神经网络方法中求给定故障对应的多个测试矢量的方法,首先提出了一种求多个测试矢量的遗传进化方法,然后提出了一种矢量扰动方法,通过这两种者的结合使用,能获得被测电路较小的完备测订,从而提高了电路测试神经网络的方法的性能。     

基于遗传算法的微波电路优化方法

根据遗传算法的基本理论,并结合微波电路优化设计的特点,对传统遗传算法的部分操作提出了改进措施。将其与DFP算法相结合,研制出能够较好收敛到最优值的算法。应用于微波电路CAD中,证明了其有效性和实用性。     

电路测试生成的神经网络方法研究

本文研究将人工神经网络用于组合电路测试产生的一般模型，分析影响这一方法，效率的因素，提出了用于降低被测电路对应网络规模的故障压缩，电路分块，多级蕴涵等策略，采用改进的梯度算法加建了网络能量函数极小值的搜索。介绍了基于这些策略开发的一个测试生成系统的结构。实验结果说明了提出方法的有效性。     

基于混沌搜索的组合电路测试生成算法

基于组合电路测试生成的离散Hopfield神经网络模型，将混沌搜索与Hopfield网络的梯度算法相结合，利用混沌搜索的内随机性及遍历性来克服梯度算法易于陷于局部极小的缺点，形成一种具有全局搜索能力的测试生成有效算法。该算法综合了随机性和确定性算法的优点，其性能优于一般的随机性算法。实验结果验证了该测试生成算法的有效性。     

基于遗传算法的IMX系统测试数据自动生成研究

利用遗传算法进行测试数据自动生成是近年来的研究热点,其有效性高度依赖于适应度函数的选取和初始种群的筛选。该文探索将遗传算法应用到IMX(Integrated Management X-software)系统测试数据自动生成以提高其回归测试的质量,将IMX系统专业测试人员手动生成的测试数据作为基础测试数据,并提出一种基于测试路径对目标路径覆盖率的初始种群筛选标准。在三角形程序和IMX系统平台上的实验表明,所提方法在寻找测试数据时所用的时间和迭代次数较少,且生成的测试数据具有较好的多样性。     

An Improved Genetic Algorithm for Test Cases Generation Oriented Paths

This paper discusses a method that can automatically generate test cases for selected paths using a special genetic algorithm. The special algorithm is called Queen-bee evolutionary genetic algorithm（QBEA）. In this algorithm, sequences of operators iteratively executes for test cases to evolve to target paths. The best chromosome called queen among the current population is crossover with drones selected according to a certain crossover prob- ability, which enhances the exploitation of searching global optimum. A comparative experiment results prove that the proposed method is actually a great improvement in opti- mization efficiency and optimization effect.     

改进的遗传算法及其在测试数据自动生成中的应用

传统遗传算法在测试数据生成方面是一种实用的算法,但是其自身存在局限性,如过早收敛、优化效率低等。本文对遗传算法的自改进、与其他智能优化算法的混合改进方法以及改进后的算法在测试数据自动生成方面的能力的国内外研究现状进行了系统的研究与讨论,最后分析了相关算法改进的实质。     

基于进化稳定策略的单亲遗传算法求解组卷问题

在组卷问题中为了解决传统遗传算法易陷入早熟收敛的问题，在单亲遗传算法基础上，引入基于进化稳定策略．该策略的核心突变算子的构造，有目标地对最优个体进行突变操作，以达到快速扩大搜索空间、稳定群体中个体多样性的目的。实验结果表明，由该算法产生的试卷是令人满意的。