优化问题在科学研究和工程应用中无处不在,与此相关的众多研究人员需要性能强大的优化算法解决这些对他们的日常工作生活至关重要的问题。对自然科学和计算机学科的交叉研究衍生了一些智能优化算法,差分进化算法作为一种较新的全局优化算法,其种群进化过程充分体现了达尔文进化论中“物竞天择,适者生存”的核心思想。自1995年被提出以来,差分进化算法以其鲁棒性强原理简单有效等优点愈发受到人工智能领域研究人员的青睐。作为本文改进算法的实际应用对象,基于插入层的2.5维集成电路采用硅通孔等结构有效克服了当前集成电路中内连线延时和功耗等制约芯片性能提升的问题,利用优化算法对其进行可测性设计及解决测试成本问题是保证2.5维集成电路可靠性及广泛应用的重要保障。本文在介绍了差分进化算法基本结构和原理的基础上,针对其控制参数、变异过程和交叉过程优缺点,进行了算法改进研究,并将改进算法应用于2.5维集成电路测试优化方案设计中。本文的主要研究内容如下:(1)在分析经典差分进化算法二项交叉种群多样性差,优化效率低等固有缺陷的基础上,本文提出“基于多角度搜寻旋转交叉策略的改进自适应差分进化算法”。该方法通过引入旋转控制向量将交叉操作中的搜索范围扩大到变异个体和父代目标个体圆周范围内,从而大大增加种群多样性,并随种群进化缩小搜索范围。为了平衡算法的搜索速率和种群多样性,完整的交叉操作结合了本文所提旋转交叉算子和经典二项交叉算子。在CEC2013标准测试集上的实验表明,结合本交叉算子之后的改进算法对于提升原始算法优化性能和收敛速率具有较好的效果,优化性能提升了57%~96%。(2)针对差分进化算法经典变异操作中变异因子参数选择敏感以及差分操作随机偏差扰动搜索步进较大的缺陷,从增强算法局部搜索能力的角度提出一种基于个体适应值和距离差异的自适应变异操作取代原有变异因子及差分操作,增强局部搜索能力的同时,消除了参数选择对优化效果的影响。同时,基于亲密度传播的聚类算法种群自动归类划分操作,使得各个子种群之间可以并行操作,增加了种群的优化速度。在CEC2013测试集上的实验表明,结合该变异算子的优化算法相比于原有算法,优化效率有大幅提升,优化性能提升50%~88%。此外,本文将所提两种改进算法结合进行实验验证,实验结果显示结合后的算法效果优于原有算法,从而证明这两种算法的普适性和有效性。(3)最后,本文进行了2.5维SOC测试资源优化技术研究。根据各IP核和晶片的排布位置及其相关测试信息,并将测试功耗和测试硬件开销等约束条件结合在内,建立2.5维SOC的测试调度及扫描链平衡设计数学模型,并采用本文所提改进差分进化算法对其进行求解,从而确定IP核内扫描链封装情况及晶片测试顺序和分组。在ITC’02标准测试集和商业芯片数据集上的实验表明,在测试功耗等约束条件的限制下,本文所提出的基于改进DE算法的测试调度方法能够有效减小2.5维SOC的测试总开销。同时,采用改进差分进化算法进行扫描链平衡设计,可以实现测试时间成本和硬件成本的折中方案,并获得更加平衡的测试封装扫描链。