KFUPM ePrints

Experimenting with evolutionary meta-heuristics for state justification in sequential ATPG

Shazli, Syed Zafar (2001) Experimenting with evolutionary meta-heuristics for state justification in sequential ATPG. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF
2872Kb

Arabic Abstract

إن انتاج أنماط الاختبار (Test Pattern Generation) للدارة المتسلسلة باستخدام الطرق الموجة (Deterministic Methods) أو الخوارزميات التي تعتمد على تعيين الأخطاء مسبقاً (Algorithms Fault-oriented) ؛ يعتبر غاية في التعقيد ، ويستغرق الكثير من الوقت . لذلك تحتاج إلى نهج جديد للارتقاء بالتقنيات المتوفرة لتقليص وقت التنفيذ ، وزيادة نسبة اكتشاف الأخطاء . تعتبر الخوارزميات الارتقائية (Evolutionary Algorithms) فعالة في مجال البحث عن حلول مثلى لمشكلة معينة كإنتاج أنماط الاختبار ، التي تعتبر عملية بحث ضمن مجال واسع من الأنماط . كما تعتبر عملية تعيين حالة الدارة (State Justification) في عناصر التسلسل من ضمن العمليات المشتركة بين طرق الإنتاج التلقائي لأنماط الاختبار (ATPG) في الدوائر المتسلسلة . إن تعيين حالة الدارة باستخدام الخوارزميات الموجهة مشكلة معقدة تتضمن العديد من القرارات التراجعية التي تزيد وقت التنفيذ ، حيث يمكن تقليص هذا الوقت باستخدام طرق مبنية على المحاكاة ، لكن هذه الطرق تعجز عن اكتشاف الأخطاء غير المستقرة التي يمكن اكتشافها باستخدام الخوارزميات الموجهة . أم في هذه الرسالة فإننا نعرض نهجا مركبا يستخدم مزيجا من الخوارزميات الارتقائية والخوارزميات الموجهة لتعيين حالة الدارة . هذا النهج يعتمد على تطبيق الخوارزميات الجينية (Genetic Algorithms) على سلاسل الحالات المراد تعيينها النمط تلو الآخر على خلاف الخوارزميات الجينية السابقة التي تعمل على سلسلة كاملة . إن مشاكل الطرق السابقة تكمن في عدم قدرتها على تعيين الحالات التي يصعب الوصول إليها بسبب استخدام سلسلة محدودة الطول ، بالإضافة إلى أن هذه الطرق لا تأخذ في حسبانها جودة الحالات الوسيطة التي تصل إليها الدارة أثناء عملية التعيين ، حيث تقوم بتقييم الكروموزوم بناء على آخر حالة وصلتها الدارة . إن النهج الجديد يتغلب على هذه المشاكل في أثناء إنتاج أنماط الاختبار واحدا تلو الآخر ، وهذا النهج تمت مقارنته مع الخوارزميات السابقة ، حيث دلت نتائج الدراسة التي أجريت على مجموعة من الدوائر من علامة المقايسة ISCAS 89 على تحسن كبيرة في نسبة الحالات التي تم تعيينها بإضافة تقليص وقت التنفيذ .

English Abstract

Sequential circuit test generation using deterministic, fault-oriented algorithms is highly complex and time consuming. New approaches are needed to enhance the existing techniques, both to reduce execution time and improve fault coverage. Evolutionary algorithms have been effective in solving many search and optimization problems. Since test generation is a search process over a large vector space, it is an ideal candidate for evolutionary algorithms. A common search operation in sequential ATPG is to justify a desired state assignment on the sequential elements. State justification using deterministic algorithms is a difficult problem and is prone to many backracks, which can lead to high execution times. Significant speedups can be obtained with simulation-based approaches. Untestable faults however, cannot be identified using these approaches and deterministic algorithms are needed. In this work, we propose a hybrid approach which uses a combination of evolutionary and deterministic algorithms for state justification. A new method based on Genetic Algorithms is proposed, in which we engineer state justification sequences vector by vector. This is in contrast to previous approaches where GA is applied to the whole sequence. The drawback of previous approaches lies in their inability to justify hard-to-reach states because of fixed-length sequences. Moreover, they do not take into account the quality of intermediate states reached and evaluate a chromosome only on the basis of the final state reached. Our proposed technique overcomes these drawbacks, as it generates the s equences vector by vector. The proposed method is compared with previous GA-based approaches. Significant improvements have been obtained for ISCAS 89 benchmark circuits in terms of state coverage and CPU time.



Item Type:Thesis (Masters)
Date:June 2001
Date Type:Completion
Subjects:Computer
Divisions:College Of Computer Sciences and Engineering > Computer Engineering Dept
Creators:Shazli, Syed Zafar
Committee Advisor:El-Maleh, Aiman H.
Committee Members:Sait, Sadiq M. and Bukhari, Alaadin A.
ID Code:10373
Deposited By:KFUPM ePrints Admin
Deposited On:22 Jun 2008 17:03
Last Modified:30 Apr 2011 15:31

Repository Staff Only: item control page