[发明专利]SoC测试中基于进化计算的扫描链平衡方法

摘要

本发明为SoC测试中基于进化计算的扫描链平衡方法，本法产生初始种群R和初始相反种群ROP，计算最终初始种群中所有个体的成本函数值，递增排序；保存第G代成本函数值最小的最优个体；计算第G代每个个体的迁入速率、迁出速率和转移概率；对第G代种群进行迁徙操作；计算变异概率mk；对第G代种群进行变异操作；保存变异操作后的当前代成本函数值最大的最差个体；用第G代最优个体代替当前代最差个体、并插入当前代群体中，其个体按成本函数值递增排列，获G=G+1代种群。代数G达到最大规定代数，即输出内部扫描链平衡最优解。本法通过群体智能的进化计算，对IP核内部扫描链进行平衡设计，缩短最长封装扫描链的长度，减少IP核测试时间。

主权项

1.SoC测试中基于进化计算的扫描链平衡方法，包括如下步骤：步骤1、设置初始化参数根据待测试的SoC的IP核内部扫描链的条数设定整数向量的维数d，种群中的个体规模NP，最大规定代数MaxGen，最大变异概率m_max，根据当前封装扫描链分配的条数设定w的值，最大迁入速率I,最大迁出速率E；步骤2、产生初始种群R和初始相反种群ROP随机产生一个种群个体规模为NP的初始种群R，R=(X¹,X²,...,X^k,...,X^NP)，其中X^k=(X₁^k,X₂^k,...,X_p^k,...,X_d^k)，X_p^k∈[1,w]，k∈[1,NP]，p∈[1,d]上式中NP、d和w为步骤1所设值，k、p为整数；根据公式Y_i^k=1+w-X_i^k,i∈[1,d]，产生一个初始相反种群ROP，ROP=(Y¹,Y²,...,Y^k,...,Y^NP)，k∈[1,NP]；步骤3、计算最终初始种群中所有个体的成本函数值，按照递增排序分别计算初始种群和初始相反种群中所有个体的成本函数值，根据基于相反点的优化方法，从初始种群R中的任一个体和其初始相反种群ROP中对应的相反个体选择成本函数值较小者作为最终初始种群，即第0代种群的个体；计算第0代种群中所有个体的成本函数值，并且按照递增排序,代数G=0；成本函数为CF(Xk)=Σi=1i=w(L(Pi)-1nΣj=1j=n(L(Sj))2,]]>其中X^k为种群中的任一个体，k∈[1,NP]；L(P_i)表示第i条Wrapper扫描链的长度，L(S_j)表示第j条内部扫描链的长度；n表示内部扫描链的条数；w表示Wrapper扫描链的条数；用成本函数来衡量待选解X的适应度，成本函数值越大则代表其适应度越小；基于相反点的优化方法为：已知X为m维空间的一个点，以X为待选解,X=(X₁,X₂,…,X_m)；设Y=(Y₁,Y₂,…,Y_m)是X=(X₁,X₂,…,X_m)的相反点,m表示空间维数，如果CF(Y)≤CF(X),则用Y代替X点，否则，继续采用X进行进化计算；步骤4、保存第G代最优个体将第G代种群中的第一个个体，即第G代成本函数值最小的个体，保存为第G代最优个体；步骤5、计算第G代每个个体的迁入速率、迁出速率和转移概率将第G代种群的每个个体的成本函数值映射成相应个体的生物数，成本函数值最小个体的生物数映射为最大，成本函数值最大个体的生物数映射为最小；根据公式Em_NP-k=E×(NP-k)/(Smax+1)计算每个个体的迁出速率Em_NP-k，表示第k个个体的迁出速率，式中E为最大迁出速率，Smax为个体容纳生物数的最大值,k∈[1,NP]；根据公式Im_NP-k=I×(1-(NP-k)/(Smax+1))计算每个个体的迁入速率Im_NP-k，表示第k个个体的迁入速率，其中I为最大迁入速率，Smax为个体容纳生物数的最大值,k∈[1,NP]；计算转移概率Pr_NP-k，表示第k个体的转移概率,其中T为数学符号转置，k的取值从右到左为1到NP，其计算公式为：式中k∈[1,NP]，n=Smax；步骤6、对第G代种群进行迁徙操作产生随机数rand∈[0,1]，对于第k个个体X^k，k∈[1,NP]，如果rand≤Im_NP-k，则选中第k个个体的第j维，j∈[1,d]，执行迁徙操作：产生随机数rd∈[0,1],第G代种群第t个个体的迁出速率Em_NP-t，t∈[1,NP]；如果rd≤Em_NP-t，则选中个体X^t，并用个体X^t的第j维代替个体X^k的第j维；否则个体保持不变；步骤7、计算变异概率m_k根据公式m_NP-k=m_max×(1-Pr_NP-k)/Pr_max计算第k个个体的变异概率m_NP-k，其中m_max为变异操作概率的最大值，步骤1已设定；Pr_max=max_0≤i≤nPr_i；步骤8、对第G代种群进行变异操作产生随机数rand∈[0,1]，对于第k个个体X^k，k∈[NP/2,NP]，NP取偶数，本步骤只对NP/2的个体，即成本函数值较大的个体执行操作；对于第k个个体X^k，k∈[NP/2,NP],如果rand≤m_NP-k，则选中X^k的第j维，j∈[1,d]，执行变异操作：随机产生一个在1至w的整数代替原来的值；否则个体保持不变；步骤9、保存步骤8变异操作后的当前代最差个体计算步骤8变异操作后当前的第G代种群所有个体的成本函数值，按照成本函数值递增的顺序排序，得成本函数值最大个体，即当前代最差个体；步骤10、获得G=G+1代种群用步骤4所得的第G代最优个体代替步骤9所得的当前代最差个体，该最优个体插入当前代群体中，使其中的个体按照成本函数值递增排列，获得G=G+1代种群；步骤11、代数G是否达到步骤1设定的最大规定代数MaxGen，没有达到则返回步骤4，达到则停止，输出内部扫描链平衡最优解。