[发明专利]一种基于遗传蚁群融合算法的数字微流控芯片灾难性故障测试方法

权利要求书

1.一种基于遗传蚁群融合算法的数字微流控芯片灾难性故障测试方法，其特征在于，包括以下步骤：

S1.建立数字微流控芯片的灾难性故障测试模型：根据数字微流控芯片的阵列单元结构，建立数字微流控芯片的灾难性故障测试模型，所述模型为：

(1)把数字微流控芯片的阵列单元抽象为无向图G(V，E)的顶点V，相邻阵列单元之间的连接关系抽象为无向图G(V，E)的边E，得到无向图模型G(V，E)，并建立其对应的邻接矩阵A；

(2)对无向图模型G(V，E)中的所有顶点V进行编号，令每个顶点的编号对应为该顶点在邻接矩阵A中的行号，从编号最小的顶点开始，依次搜索与当前顶点相关联的边，并对搜索到的边从小到大进行编号；

(3)将无向图模型G(V，E)中的边E抽象为无向图模型G′(V′，E′)的顶点V′，并令顶点V′的编号一一对应G(V，E)中边E的编号，将无向图模型G(V，E)中边E之间的邻接关系抽象为无向图模型G′(V′，E′)的边E′，建立无向图模型G′(V′，E′)及其对应的邻接矩阵B；

(4)采用改进的Floyd方法计算无向图模型G′(V′，E′)中任意两顶点间的最短路径，以两顶点间的最短路径作为两顶点间边的权值，构造一个完全连通图模型G″(V″，E″)，以此完全连通图模型G″(V″，E″)作为数字微流控芯片灾难性故障测试的模型；

S2.得到初步测试路径并设置最大最小蚁群算法的初始信息素上下界和信息素初始值：根据数字微流控芯片灾难性故障测试模型G″(V″，E″)，采用遗传算法得到初步测试路径，并根据初步测试路径设置最大最小蚁群算法的初始信息素上下界和信息素初始值，其中，初始信息素上下界和信息素初始值具体设置公式为：

其中，τ_max(0)、τ_min(0)分别为初始信息素上界和下界，是遗传算法求得的初步测试路径中最短测试路径的长度，P_best表示蚁群算法收敛时构造最优解的概率，avg等于m/2，m是最大最小蚁群算法中设置的蚂蚁数量，ρ是信息素残留系数，τ_ij(0)为任意路径(i，j)上的信息素初值，u表示从遗传算法求得初步测试路径中选择最短的u个测试路径，是遗传算法求得的初步测试路径中的一个测试路径k的长度；

S3.搜索最终测试路径并输出结果：根据数字微流控芯片灾难性故障测试模型G″(V″,E″)和步骤S2得到的初始信息素上下界和信息素初始值，采用最大最小蚁群算法搜索最终测试路径，蚁群算法迭代完成后，输出最终测试路径，其中，最大最小蚁群算法的目标函数为：

其中,为最终测试路径中两个相邻路由节点v″_i和v″_i+1之间的距离权值，n为节点总数，路由节点v″_i和v″_i+1即为数字微流控芯片灾难性故障测试模型G″(V″,E″)中的两个顶点。

2.根据权利要求1所述的基于遗传蚁群融合算法的数字微流控芯片灾难性故障测试方法，其特征在于，所述步骤S1中的改进Floyd方法为：

在计算无向图G′(V′，E′)中任意两顶点v′_i和v′_j之间最短路径时，先对待插入的节点v′_r进行路长比较，如果d_ir≥d_ij或d_rj≥d_ij，d_ij代表两个顶点之间的距离，则说明插入节点v′_r后，v′_i经过v′_r到达v′_j的路径不会比原来两顶点之间的路径短，于是不再计算d_ir+d_rj，直接进行下一节点的搜索，且无向图G′(V′，E′)中顶点v′_i到v′_j的距离与v′_j到v′_i的距离对称相等，若已计算v′_i到v′_j的距离，则不需再计算v′_j到v′_i的距离。