标签: 测试生成

针对传统测试生成算法计算复杂度高的问题，提出一种针对逻辑门功能异常的故障模型，并给出了基于遗传优化的神经网络测试生成算法。首先，与传统算法以固定值故障为目标不同，构建更全面的变异真值表故障模型，在考虑各输入条件下故障的不同权重的同时，按故障模型自动生成故障字典；然后，测试生成算法利用逻辑门的二值神经网络能量函数，构成数字电路的约束网络；最终，调用故障字典向约束网络注入故障，通过遗传算法求解出被测电路的测试集。仿真实验结果显示，所提的故障模型更加全面，且测试生成算法具有正确性和有效性。