基于蚁群算法的数字微流控芯片并行测试

›› 2014, Vol. 27 ›› Issue (10): 156-.

基于蚁群算法的数字微流控芯片并行测试

蔡震

(桂林电子科技大学电子工程与自动化学院,广西桂林 541004)

出版日期:2014-10-15 发布日期:2014-10-17
作者简介:蔡震(1986—),男,硕士研究生。研究方向:集成电路测试,计算机辅助测试。E-mail:caizhen@mails.guet.edu.cn

Parallel test for Digital Microfluidic Biochips Based on the Ant Colony Algorithm

CAI Zhen

(School of Electronic Engineering and Automation,Guilin University of Electronic Technology,Guilin 541004,China)

Online:2014-10-15 Published:2014-10-17

摘要/Abstract

摘要：

可靠性是数字微流控生物芯片的一项重要指标,尤其是在安全性要求较高的应用领域。因此,芯片需要在生产制造后或生化实验前进行充分测试,以排除故障,确保实验结果准确。文中针对芯片的结构故障,提出了一种基于蚁群算法的并行测试方案,实现对较大规模的数字微流控芯片进行多液滴并行测试。该方案首先将芯片模型转化为MTSP模型,并利用蚁群算法分布式计算特性搜索多组优化的测试路径,完成对数字微流控芯片实验路径的测试。实验结果表明,该方案可用于在线测试,并能有效地减少大规模芯片的测试时间,且提高了工作效率。

关键词: 蚁群算法, 数字微流控芯片, 并行测试

Abstract:

Dependability is one of the important attributes of digital microfluidic biochips,especially in safe-critical applications.It is necessary to adequately detect faults in digital microfluidic biochips both after fabrication and while in use to acquire the accurate result.We present a parallel droplet test scheme based on the ant colony algorithm.First the approach turned the chip module into the MTSP module,and then employed the algorithm for the module to acquire the test path of digital microfluidic biochips.The result shows that our method could reduce test time and improve test efficiency,especially in large scale digital microfluidic biochips.

Key words: digital microfluidic system;ant colony algorithm;parallel test

中图分类号:

TN79

蔡震. 基于蚁群算法的数字微流控芯片并行测试[J]. , 2014, 27(10): 156-.

CAI Zhen. Parallel test for Digital Microfluidic Biochips Based on the Ant Colony Algorithm[J]. , 2014, 27(10): 156-.

[1]	朱宏伟,张海南. 基于拥挤度因子的动态信息素更新策略蚁群算法[J]. 电子科技, 2020, 33(8): 59-64.
[2]	刘永建,曾国辉,黄勃,李晓斌. 改进蚁群算法的机器人路径规划研究[J]. 电子科技, 2020, 33(1): 13-18.
[3]	刘学芳,曾国辉,黄勃,鲁敦科. 基于改进蚁群算法的移动机器人路径规划研究[J]. 电子科技, 2019, 32(9): 5-9.
[4]	赵威,曾国辉,黄勃,朱爽鑫,刘瑾. 基于改进局部搜索算法的三维空间路径规划研究[J]. 电子科技, 2019, 32(6): 58-63.
[5]	李怡弘, 裘炅. 粒子群蚁群融合算法的火灾救援路径研究[J]. , 2018, 31(1): 58-.
[6]	赵惠光 1，何胜学 1，黄清 2，向乐佳 3. 基于改进蚁群算法的公交疏散策略研究[J]. , 2017, 30(4): 68-.
[7]	张晨，游晓明. 基于栅格模型机器人路径规划的量子蚁群算法[J]. , 2016, 29(7): 1-.
[8]	杨雷，朱灵康，高国伟，许恺，杨晗，金昊. 基于FSAACO混合改进算法的蜗轮蜗杆故障识别[J]. , 2016, 29(11): 133-.
[9]	廉小萍,武子安,亢慧琼. 基于蚁群算法的OFDMA系统接纳控制[J]. , 2015, 28(6): 48-.
[10]	冯韦韦,裘炅. 蚁群算法在消防疏散平台上的应用[J]. , 2015, 28(4): 13-.
[11]	李菡薏,陈家琪. 云计算环境下任务调度算法的研究[J]. , 2015, 28(11): 43-.
[12]	惠晓龙,郜振鑫. 一种基于Petri网的多目标无死锁蚁群调度算法[J]. , 2014, 27(5): 179-.
[13]	尹芝. 3D NoC测试规划研究与实现[J]. , 2014, 27(10): 91-.
[14]	侯绪彬. 基于云进化算法的NoC测试规划[J]. , 2013, 26(9): 1-.
[15]	夏卫雷, 王立松. 基于MapReduce的并行蚁群算法研究与实现[J]. , 2013, 26(2): 146-.