三维片上网络（three-Dimensional Network-on-Chip，3D NoC）作为一种集成电路新技术，具有数据传输速度快、功耗低和可扩展性好等优点。但其体系结构和工艺等变得更加复杂，测试也变得越来越困难；层间TSV（Through-Silicon-Via，TSV）工艺复杂、造价昂贵且占用芯片面积较大，且其位置对IP核的测试时间影响较大。故在TSV数量有限时，其位置变得尤为重要。因此，如何实现高效经济的测试规划是3D NoC当前面临的主要问题之一。　　本文基于带分复用方法和重用NoC作为测试存取机制（Test Access Mechanism， TAM）的测试策略，将单纯形搜索法与猴群算法结合应用于3D NoC测试规划研究。为了提高猴群算法的性能，引入单纯形搜索法增强个体之间的信息交流，将随机搜索和有向搜索结合加快算法寻优速度，同时引入精英保留策略，确保算法的收敛性。实现合理地为每个IP核分配系统资源，实施测试调度以减少测试时间，提高资源利用率。　　针对TSV数量约束下的3D NoC测试规划问题，采用改进的猴群算法对TSV的位置和IP核测试数据分配进行协同优化，设计算法寻优操作以及个体更新准则，以在最优TSV位置方案下获得更短测试时间，提高TSV利用率。　　以ITC’02基准电路为实验对象进行测试规划仿真实验，与基于云进化算法和猴群算法的结果进行比较，表明单纯形猴群算法能快速而准确的找到最优测试方案并缩短测试时间，且单纯形搜索算法能有效提高猴群算法的搜索能力和收敛能力；通过对比TSV位置优化前后的实验结果，本文方法能有效地优化TSV位置，提高TSV利用率，进一步减少测试时间。