NoC（片上网络）技术从体系结构上解决了SoC（片上系统）的总线结构带来的一系列问题，具有高性能低功耗、良好的全局时钟同步策略、良好的可重用性、良好的可扩展性等优点，是下一代集成电路发展的趋势。然而随着NoC集成的IP（知识产权）核数目的增多，其功能越来越复杂，使得对NoC的测试正面临着巨大的挑战，迫切需要研究有效的测试技术和优化方法。　　本文主要研究NoC测试问题和测试优化问题的相关理论和应用，从测试结构和测试规划两方面进行研究，重点研究测试规划优化问题。从分析NoC的组成特性和影响测试的相关因素入手，对影响因素进行优化，并结合智能优化算法进行优化。本文针对NoC测试中的若干关键问题展开研究，主要研究内容和成果如下：　　1.针对重用NoC作为TAM（测试访问机制）时的测试数据传输冲突问题和NoC通道带宽与核测试壳带宽的不匹配问题。提出XY方向连通子图划分的方法，把NoC拓扑结构划分为和TAM数量相等的连通子图，各连通子图上的IP核使用同一个TAM，不同的连通子图间IP核测试时互不干扰，使得每一个IP核在TAM上测试时没有路径冲突，在测试前消除路径冲突，同时确定测试访问位置。接着，提出一种多时钟策略消除NoC通道带宽和核测试壳带宽的差距，使得不同的时钟分配给不同耗时的IP核，在测试中加入了功耗约束。采用自适应概率门量子进化算法（APGQEA），该算法混合自适应策略和多进制策略，加速算法在解空间探索和发掘能力。在国际标准电路ITC’02 test benchmarks测试表明，提出的方案相比于现有的方案能获得更短的测试时间，提高了测试效率。此外，通过建立APGQEA的Markov链模型研究该算法种群的状态转移过程，证明APGQEA算法的全局收敛性，为APGQEA算法提供理论依据。　　2.针对重用NoC作为TAM时ATE（自动测试设备）有限的I/O资源利用问题。在NoC测试规划优化中，有效的使用ATE有限的I/O资源是测试NoC的一个关键的问题。学者们提出了许多方法通常假定整个的TAM被一个被测核所占用。区别于现有的方法，提出一种方法，目的是在NoC测试规划中高效的使用TAM资源。采用的带分复用策略就是把单个的TAM分成几个宽度不同的子TAM，使得多个嵌入式核共享同一条TAM传输测试数据，如此达到测试并行的最大化，提高测试效率的目的。然后，采用可变种群多进制量子进化算法（VMQEA）去解决NoC测试规划优化问题，该算法融合多进制编码和可变种群技术。此外，还考虑了路径时延、路径冲突和功耗约束。在ITC’02 test benchmarks上的实验结果表明，新的方法的相比于以前工作，在有限的TAM资源下，获得了更短的测试时间。　　3.针对重用NoC作为TAM时的测试时间和测试功耗多目标优化问题。如何实现测试时间和测试功耗协同优化是目前片上网络测试中亟待解决的问题。提出一种基于调和距离量子多目标进化算法（HQMEA）的NoC测试规划优化方法。采用重用NoC作为测试存取机制的并行测试方法，对NoC中的内核进行测试，节省测试资源，提高测试效率。提出的算法在量子多目标进化算法的基础上，采用多进制概率角编码替代二进制概率幅编码，更好的适应NoC测试规划问题；采用调和距离替代拥挤距离能更好的衡量拥挤程度；采用混沌策略动态更新旋转角，能很好地兼顾了算法的探索和发掘能力。在ITC’02 test benchmarks测试集上进行对比实验，结果表明相比量子多目标进化算法，提出的算法不仅提升了算法的收敛性，而且保证了Pareto解集良好的分布性。此外，通过建立HQMEA的Markov链模型研究该算法种群的状态转移过程，证明HQMEA算法的收敛性，为HQMEA算法提供理论依据。　　4.针对采用专用TAM测试时的测试时间最小化问题。对于采用专用TAM的NoC测试，提出一种新的元启发式算法—利维飞行多宇宙算法（LFMVO）。该算法融合利维飞行到多宇宙算法中。原始的多宇宙算法中，当虫洞在迄今最优宇宙（解）周围随机产生一系列的宇宙时很容易停滞不前。由于利维飞行善长于探索未知的、大范围的搜索空间，把它应用到产生宇宙的过程中，使得多宇宙算法跳出停滞。LFMVO首先在23个的基准测试函数进行测试，然后在NoC测试规划优化问题中进行测试。实验结果表明，相比于其他同类算法，LFMVO在解的质量和收敛速度上都要优越。