目录 1 引言
2 测试集优化
3 蚁群算法
4 用于测试集优化的蚁群算法
5 实验结果
6 结论
参考资料 [1] Colorni A, Dorigo M, Maniezzo V. Distributed optimization by ant colonies[C]. Proc. 1st European Conf. On artificial life, Paris, France: Elsevier, 1991: 134~142
[2] 杨士元.《数字系统的故障诊断与可靠性设计》[M]. 清华大学出版社，2000
[3] Hideo Fujiwara, Shunichi Toda, The complexity of fault detection problems for combinational logic circuits[J]. IEEE Trans. Comput. Vol. C-31, No.6, June 1982
[4] http://reinforcementlearning.ai-depot.com/Intro.html
[5] Gambardella M., Dorigo M. Ant-Q: A Reinforcement Learning approach to the traveling salesman problem[A]. Proc. of ML-95, Twelfth Intern. Conf. on Machine Learning, Morgan Kaufmann, 1995, 252–260
[6] Reinelt G. TSPLIB-a traveling salesman problem library[J]. ORSAJ. On Computing, 1991, 3(4): 376-385
[7] Mark Allen Weiss. Data Structures and Algorithm Analysis (2nd Edition)[M]. Addison Wesley

随着大规模集成电路的发展，电路的复杂度不断增加，这就使电路测试变得愈加困难。特别是在电路测试生成后，电路测试集相当庞大，其中包含大量的冗余测试矢量，必须进行测试集优化将冗余测试矢量去除才可对测试集进行后续操作。测试集优化，又叫做测试集压缩，是数字电路测试的一个基本问题，它通过减少测试矢量，压缩测试时间来降低VLSI测试成本。因此测试集优化对电路测试相当重要，尤其是对于基于扫描结构的电路测试，在这种测试中，测试时间与测试集尺寸和扫描链中使用的存储单元数目之积成正比。优化后的测试集可显著减少测试存储空间和测试时间，对于加快测试进程，减少测试开销具有重要的现实意义。目前，测试集优化方法主要包括：行列消去法、布尔函数约简法和试探法。