当今集成电路技术进入亚微米甚至深亚微米时代,电路的集成度飞速提高,其测试也面临着越来越多的困难。由于BIST(Built-In Self-Test,内建自测试)技术是在集成电路芯片内部完成自测试的,具有全速测试,容易维护等优点。因此该技术能有效解决数字电路的测试问题。但BIST技术也存在缺点:采用随机测试时,测试长度很容易就过长;对某些随机难测故障,也很难有满意的故障覆盖率。　　本文针对上述 BIST测试生成技术存在的问题,在现有测试的基础上提出一种基于加权 CA(Cellular Automata,细胞自动机)和多目标进化算法的新测试生成方法。相比传统的测试方法而言,该方法在减少测试矢量长度的同时不损失故障覆盖率。采用基于加权CA结构生成的测试矢量可以检测到一些电路中的难测故障,以此减少测试长度;在此基础上采取让测试序列的集合中各测试码之间的海明距离最大化,这样就可以使每一个测试向量检测到更多的不同故障,从而保证提高故障覆盖率。本文通过对多目标进化算法的深入研究,最终选择多目标遗传算法并将其引入到集成电路测试中来,通过对算法的多目标优化得到CA的权值,然后综合出加权CA的结构,使其产生的测试矢量达到高故障覆盖率和短测试长度的合理平衡。　　以上的算法和设计研究,经过了ISCAS’85 Benchmark电路验证。验证结果表明,该结构在保证故障覆盖率的同时,缩短了测试矢量的长度,关键指标都符合设计要求。本文提出的优化算法和测试结构具有一定先进性和良好的应用价值。