随着集成电路产业的快速发展,保证仿真验证中芯片的功能定义与寄存器传输级(RTL)的描述一致,已成为当前芯片仿真验证过程中的关键问题。覆盖率驱动的仿真验证具有良好的可靠性和有效性,然而目前其在验证中采用的随机向量生成技术会产生大量的重复向量,导致覆盖率收敛缓慢、仿真验证效率低下,进而影响到芯片设计的整个进程。本文首先提出了一种将简单遗传算法(SGA)应用于覆盖率驱动的仿真验证中的具体方法。该方法对SGA在仿真中的编码层次进行了定义,将当前代和历史代的覆盖率信息引入个体适应度的评估中,通过筛选SGA提供的遗传策略将比例选择、均匀交叉、单点变异作为遗传策略,并对变异策略进行了一定的改进。该方法以NCC硬件加速器为验证对象,在Matlab和基于VMM方法学的验证平台中分别进行了实验,并且与使用全随机向量生成和不同遗传算法的仿真验证进行了对比。实验结果表明,该方法有效提升了覆盖率驱动的仿真验证效率。本文还进一步提出了基于精英策略的遗传算法(EGA),并将其应用到覆盖率驱动的仿真验证中。该方法利用精英个体对简单遗传算法进行改造,构建了一种具有特定结构和内容的精英向量集,同时使用精英选择和精英交叉策略进行遗传,并设计了一种具有自适应能力的精英交叉概率函数进行交叉操作。实验结果表明,在实际的验证环境中,本文提出的EGA不仅相较于全随机向量生成方法有了很大提高,相比于SGA也获得了更高的验证效率。