随着超大规模集成电路的复杂度和集成度不断提高,集成电路产品达到合格标准的难度也随之加大。在集成电路中,即使是微小的差错也可能引发严重的后果,因此集成电路的测试显得更加重要,而在整个测试过程中测试向量的生成是十分重要的环节。本文提出了一种测试向量的生成方法,在基于遗传算法的自反馈测试向量生成法的基础上进行了优化,将可测性设计融入到测试向量生成的过程中。提出模板匹配法,通过对被测电路进行可测性设计和Tetra MAX仿真生成基准测试向量集,将由遗传算法选出的内部节点通过反馈回路生成的测试向量集与之对比得到模板匹配度,并采用匹配度作为遗传算法的适应度值。通过实验和数据统计,证实采用双点交叉作为遗传算法交叉算子所生成的子代优秀概率高于单点交叉。通过在基准电路ISCAS’85上的实验结果可以看出,与优化前的自反馈测试向量生成法相比,采用本文提出的以匹配度作为遗传算法适应度值的自反馈测试向量生成法生成的测试向量集的故障覆盖率平均提高了5.5%;与单纯的采用可测性设计生成测试向量集并存储备用的方法相比,LUT资源平均节省了13.42%。因此本方法是一种兼顾硬件资源和测试向量集的故障覆盖率的方法。