| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-20页 |
| 第一章 绪论 | 第20-34页 |
| 1.1 论文研究背景及意义 | 第20-26页 |
| 1.2 国内外研究现状 | 第26-31页 |
| 1.2.1 测试壳设计 | 第27-28页 |
| 1.2.2 TAM结构设计 | 第28-29页 |
| 1.2.3 测试规划方法 | 第29-31页 |
| 1.3 本文的研究内容 | 第31-34页 |
| 第二章 NoC测试技术基础 | 第34-54页 |
| 2.1 引言 | 第34页 |
| 2.2 NoC概述 | 第34-42页 |
| 2.2.1 NoC拓扑结构 | 第35-38页 |
| 2.2.2 交换机制 | 第38-41页 |
| 2.2.3 路由策略 | 第41-42页 |
| 2.3 可测试性设计技术 | 第42-45页 |
| 2.3.1 扫描设计 | 第43页 |
| 2.3.2 内建自测试法 | 第43-44页 |
| 2.3.3 边界扫描法 | 第44-45页 |
| 2.4 NoC测试技术 | 第45-49页 |
| 2.4.1 重用NoC进行测试 | 第46-48页 |
| 2.4.2 专用TAM进行测试 | 第48页 |
| 2.4.3 测试壳设计 | 第48-49页 |
| 2.5 ITC’02testbenchmarks电路分析 | 第49-52页 |
| 2.6 小结 | 第52-54页 |
| 第三章 应用连通划分和多时钟策略的NoC测试优化 | 第54-82页 |
| 3.1 引言 | 第54-56页 |
| 3.2 基础知识 | 第56-62页 |
| 3.2.1 NoC中嵌入式核的测试分析 | 第56-57页 |
| 3.2.2 问题定义 | 第57页 |
| 3.2.3 坐标描述 | 第57-58页 |
| 3.2.4 XYCSP方法 | 第58-60页 |
| 3.2.5 核的测试时钟分配策略 | 第60页 |
| 3.2.6 目标函数 | 第60-61页 |
| 3.2.7 功耗模型 | 第61-62页 |
| 3.3 量子进化算法基础 | 第62-65页 |
| 3.3.1 量子计算 | 第62-63页 |
| 3.3.2 QEA的描述 | 第63-65页 |
| 3.4 APGQEA | 第65-67页 |
| 3.4.1 多进制编码 | 第65-67页 |
| 3.4.2 自适应的调整?θ | 第67页 |
| 3.5 APGQEA算法的Markov模型建立与收敛性证明 | 第67-74页 |
| 3.5.1 马尔可夫链基础 | 第68-70页 |
| 3.5.2 随机优化算法收敛性判定标准 | 第70-71页 |
| 3.5.3 APGQEA算法基本概念的数学定义 | 第71页 |
| 3.5.4 APGQEA算法的Markov模型建立 | 第71-73页 |
| 3.5.5 APGQEA算法的收敛性证明 | 第73-74页 |
| 3.6 基于APGQEA的NoC测试规划优化 | 第74-77页 |
| 3.6.1 整数矢量编码方案 | 第74-75页 |
| 3.6.2 基于APGQEA的测试规划优化问题 | 第75-77页 |
| 3.7 实验结果 | 第77-81页 |
| 3.8 小结 | 第81-82页 |
| 第四章 基于可变种群多进制量子进化算法和带分复用的NoC测试优化 | 第82-96页 |
| 4.1 引言 | 第82-83页 |
| 4.2 NoC测试规划优化 | 第83-86页 |
| 4.2.1 测试策略 | 第83-84页 |
| 4.2.2 问题定义 | 第84-85页 |
| 4.2.3 测试时间计算 | 第85-86页 |
| 4.2.4 功耗模型 | 第86页 |
| 4.3 可变种群多进制量子进化算法 | 第86-89页 |
| 4.3.1 编码 | 第87页 |
| 4.3.2 更新操作 | 第87-88页 |
| 4.3.3 观测操作 | 第88页 |
| 4.3.4 可变种群 | 第88-89页 |
| 4.4 采用VMQEA的NoC测试规划优化 | 第89-92页 |
| 4.4.1 整型向量编码和定义 | 第89-90页 |
| 4.4.2 基于VMQEA的测试规划优化问题 | 第90-92页 |
| 4.5 实验结果 | 第92-94页 |
| 4.6 小结 | 第94-96页 |
| 第五章 基于调和距离量子多目标进化算法的NoC测试优化 | 第96-122页 |
| 5.1 引言 | 第96-97页 |
| 5.2 NoC测试规划优化策略 | 第97-99页 |
| 5.2.1 测试策略 | 第97页 |
| 5.2.2 问题描述 | 第97-98页 |
| 5.2.3 测试时间模型 | 第98页 |
| 5.2.4 测试功耗模型 | 第98-99页 |
| 5.3 多目标优化问题的描述 | 第99-101页 |
| 5.4 多目标进化算法 | 第101-102页 |
| 5.5 量子多目标进化算法 | 第102-104页 |
| 5.6 HQMEA | 第104-113页 |
| 5.6.1 编码 | 第104-105页 |
| 5.6.2 更新操作 | 第105-106页 |
| 5.6.3 观测操作 | 第106页 |
| 5.6.4 采用调和距离衡量拥挤程度 | 第106-107页 |
| 5.6.5 采用混沌策略动态更新旋转角 | 第107-113页 |
| 5.7 HQMEA算法的收敛性分析 | 第113-115页 |
| 5.8 采用HQMEA的NoC测试规划优化研究 | 第115-116页 |
| 5.8.1 测试规划编码 | 第115页 |
| 5.8.2 基于HQMEA的测试规划算法的描述 | 第115-116页 |
| 5.9 实验结果及分析 | 第116-120页 |
| 5.10 小结 | 第120-122页 |
| 第六章 利维飞行多宇宙算法的数值优化以及在NoC测试优化的应用 | 第122-146页 |
| 6.1 引言 | 第122-123页 |
| 6.2 多宇宙算法的简要概述 | 第123-125页 |
| 6.2.1 多宇宙理论 | 第123页 |
| 6.2.2 多宇宙算法 | 第123-125页 |
| 6.3 Levyflights简要概述 | 第125-126页 |
| 6.4 提出的LFMVO算法 | 第126-129页 |
| 6.5 实验结果和讨论 | 第129-138页 |
| 6.5.1 单峰测试函数结果分析 | 第135页 |
| 6.5.2 多峰测试函数结果分析 | 第135页 |
| 6.5.3 固定维多峰基准函数结果分析 | 第135-136页 |
| 6.5.4 收敛分析 | 第136-138页 |
| 6.6 LFMVO在NoC测试规划优化中的应用 | 第138-145页 |
| 6.7 小结 | 第145-146页 |
| 第七章 总结和展望 | 第146-150页 |
| 7.1 研究总结 | 第146-148页 |
| 7.2 研究展望 | 第148-150页 |
| 参考文献 | 第150-162页 |
| 致谢 | 第162-163页 |
| 作者简介 | 第163-166页 |
