经过长期的研究和发展,测试性理论及其相关算法都日渐成熟。传统的测试性分析算法具备了理论完备、算法效率较高、结果稳定性较好等诸多优点,所以在实际的工业过程中获得了十分广泛的应用。但是随着科学技术的进步,电子产品集成度也相应的不断提高,传统的测试维护手段已经无法满足诸如航空、航天飞机这类大型复杂系统高可靠性运行的需要,这就在客观上对其自身的可测性提出了更高的要求。随着故障和测试数目的增加,单一的动态规划生成最优诊断测试算法、信息熵或霍夫曼编码的启发式算法及基于符号分析法的具体电路测试性研究方法的运算时间也随着问题规模的扩大而急剧增大,已经不能满足大型复杂电子系统的测试性要求,不能合理全面的对大型电子系统测试资源进行利用与安排。近年来,离散粒子群算法(DBPSO)因其具有快速收敛和工程易于实现的特点,在很多领域得到了十分广泛的应用,例如在神经网络训练,工程优化等邻域。本文针对大型复杂电子系统最优顺序测试问题,提出了一种基于随机离散二进制粒子群算法(DBPSO)和AO*算法相结合的电子系统测试性分析算法,结合了测试选择自身的特点,AO*算法通过扩展节点估价值的范围,减少回溯次数；随机DBPSO算法优化了AO*算法中每个待扩展节点的测试集,从而有效地减少了测试的个数。实际验证结果表明,这种算法不仅仅有效地降低了时间复杂度、缩短测试时间、减少了测试代价,而且避免了因测试集过大而引起的“计算爆炸”问题。与仅添加了惯性权重因子的算法相比,粒子的速度是由先前速度、自身经验、全局经验和随机行为等因素决定的,能够更好地获得全局最优解决方案。本文提出的算法对一些文献中提出的DBPSO-AO*算法及遗传算法中出现的覆盖率达不到100%的问题进行了改进,添加了额外的随机因子。Matlab模拟结果显示,带有随机因子的算法比仅带有惯性权重和压缩因子的算法更优,具有重要的应用价值。