随着信息技术的飞速发展,多处理机系统被广泛地应用在高性能计算领域。然而随着系统中处理机数目的逐步增大,系统发生故障的概率也随之增长。当系统发生故障后,迫切需要一种有效的诊断技术快速地诊断出系统中的故障处理机集合。系统级故障诊断作为一种强有力的诊断工具,它的基本思路是借助处理机自身的通信能力,使其相互测试或比较得到症候,之后依据症候和有效的诊断算法定位故障处理机。由于这种方式不仅实现了系统的自我诊断,而且没有增加额外开销,所以具有较高的研究价值。设计高效的诊断算法是系统级故障诊断领域的关键,且基于遗传算法在全局搜索能力以及鲁棒性方面的优势,本文依据遗传算法,提出高效、合理的系统级故障诊断算法。本文主要的研究内容和工作包括以下两个方面:(1)Malek模型作为集中式诊断模型,其诊断结果较准确,故提出一种Malek模型下的系统级故障诊断算法。算法根据Malek模型的定义构造约束方程,并设计适应度函数来评估诊断准确性,在遗传算子作用下搜索到系统的故障处理机集合。最后,通过理论分析和仿真实验结果证明诊断算法的有效性、高效性以及准确性。(2)传统的诊断逻辑需要讨论系统中所有处理机之间的测试结果,进而得出诊断结论。但是在处理机规模较大的系统中,该逻辑存在大量冗余,且在t-可诊断系统的前提下,大部分处理机是正常的,所以引入集团思想,提出互测PMC模型下的系统级故障诊断算法。算法首先将所有处理机划分为少量集团,提出指定无故障集团方法生成初始种群,其次,设计适应度函数指导种群的搜索方向,并改进遗传算子提高种群的局部搜索能力,在遗传算法的框架下,最终诊断出系统中的故障处理机集合。仿真实验结果表明在诊断准确率和效率方面,算法均具有良好的性能。