集成电路的故障测试和诊断问题是半导体制造过程中非常重要的领域。每个使用新技术制造的芯片都需要进行故障测试,以确保故障芯片不会流入市场。随着特征尺寸的缩小,芯片上电路的复杂性越来越高,导致用于测试芯片的测试向量数量的增加,从而增加了故障测试所需的时间,提高了测试成本,因此,需要约简测试集来节约芯片测试的成本。同时,在故障测试期间测试出故障的芯片需要通过诊断来确定故障的原因,以便改进芯片的制造过程,提高芯片成品率,准确性高的故障诊断程序能够帮助物理故障分析过程快速准确地找出芯片故障的位置,减少批量生产中成本的投入。芯片的故障测试可以通过自动测试向量生成技术为特定的故障类型生成一组高质量的测试向量,现在提供商用自动测试向量生成工具的代表公司有Cadence,Mentor Graphic和Synopsys芯片设计公司,其中Tetra MAX ATPG是由Synopsys芯片设计公司开发的功能最强大、使用最方便的自动测试向量生成工具。然而,Tetra MAX ATPG只能针对指定的故障类型生成故障覆盖率最高的测试集,且该测试集包含大量冗余的测试向量。传统的静态测试集约简方法仅仅以故障覆盖率为唯一目标,只能得到一个特定故障类型的约简测试集。但是,一个目标很难适用于所有情况,现实生活中包含测试成本以及多种故障类型的故障覆盖率等多个目标需要满足。基于上述问题背景,本文提出一种基于多目标粒子群优化算法的静态测试集约简方法,以解决单目标测试集约简的局限性。该方法首先将测试集约简问题重新建模,转化为粒子群优化问题,然后将测试集长度和多种故障类型的多个故障覆盖率设置为目标,利用多目标粒子群优化算法对多目标测试集约简问题进行求解。该方法可以在多种故障类型的多个故障覆盖率下同时约简测试集。在基准电路上的实验结果表明了该方法的有效性。芯片的故障诊断可以为故障芯片找出芯片可能发生故障的位置,在新技术生产改进的初始阶段,故障芯片可能同时发生多个故障,由于这些故障之间的相互作用,基于模拟单故障模型的故障诊断方法可能会产生大量的候选故障。早期的基于测试分数的故障诊断方法在缩小候选故障集合时会剔除集合中包含的真实发生的故障,从而导致了诊断准确性的下降,而现实生活中需要准确性高的故障诊断技术来降低成本。因此,本文提出一种结合测试分数的新方法,以更好地利用诊断信息,减少候选故障的数量,提高诊断准确性。该方法利用无故障电路的输出响应和插入单故障的电路输出响应来计算每个测试向量的分数,使得同一个测试集能够区分更多的故障,提高了测试集的诊断能力,从而使得诊断出的候选故障集合中冗余故障的数量减少,实际故障的数量增加。同时,该方法利用无故障信息可以离线完成测试分数的统计,减少了故障诊断的运行时间。与现有方法的对比实验表明,该方法有效提高了故障诊断的准确性,提高了诊断效率。