优化技术是一种以数学为基础，用于求解各种工程问题优化解的应用技术，作为一个重要的科学分支一直受到人们的广泛重视，在诸多工程领域得到迅速推广和应用。由于传统的确定性优化方法存在太多局限，已经无法满足应用需求。而新型的随机性智能优化方法具有无集中控制、并行性、全局搜索能力强等特点，成为解决复杂优化问题的有力工具。病毒进化遗传算法根据病毒进化理论，在遗传算法中引入了病毒种群，采用反转录和转导两个病毒感染算子模仿病毒对物种进化的促进作用，在优化计算领域表现出极大潜力。　　本文在研究病毒进化遗传算法原理与特点的基础上，建立了二进制病毒进化遗传算法中病毒个体的数学描述和病毒感染操作的数学模型，对算法中病毒感染对算法的促进作用进行了分析，通过算法性能测试及与其它智能优化算法的对比总结出病毒进化遗传算法存在的不足，提出了改进方案以改善算法搜索性能，并将改进算法应用于解决组合电路和同步数字电路测试集优化问题。　　本文的主要研究内容和成果如下：　　1．建立了二进制病毒进化遗传算法中病毒个体的数学描述和病毒感染操作的数学模型，研究了病毒种群和病毒感染操作影响算法搜索性能的原理。病毒感染操作中的反转录算子等效于同时进行多次杂交操作，对维持宿主种群的多样性具有积极作用，而转导算子使病毒个体向着等效于高阶、长距和高平均适应值的解模式的方向进化，对算法收敛于全局最优解具有积极作用。　　2．针对基本病毒进化遗传算法维持宿主种群多样性能力不强的问题，提出了一种基于宿主个体差异的局部竞争选择算子，改进了算法选择操作维持种群多样性的能力，但时间开销较大。将动态病毒生成机制与基于宿主个体差异的局部竞争选择算子相结合，提出混合病毒进化遗传算法，与基本病毒进化遗传算法相比，在搜索成功率和搜索速度两方面都取得了较大的提高，在函数优化仿真实验中获得了较好的结果。　　3．针对二进制编码的病毒进化遗传算法解决高维数函数优化问题效率不高的问题，将病毒进化遗传算法扩展为实数编码，提高了算法效率，为扩大病毒进化遗传算法的应用范围提供了可能。　　4．研究了病毒进化遗传算法在组合电路测试集优化问题中的应用，将传统的行列消去法与智能优化算法相结合，提出了基于向量排序的优化方法，算法不但可以有效地减少测试集中包含的测试矢量，还可以从理论上保证所得测试集不包含冗余测试矢量。仿真实验结果表明该方法获得的结果优于采用面向故障编码方式的算法，具有实用价值。　　5．研究了病毒进化遗传算法在同步时序电路测试集优化问题中的应用，采用混合病毒进化遗传算法删除不能检测到故障的测试矢量。使用故障仿真工具验证优化后测试集，保证删除一部分测试矢量后，测试集故障覆盖率不降低。通过对 ISCAS89电路的测试集进行仿真实验，结果证明算法有效地减小了测试集的规模，同时保持了原始测试集的故障覆盖率。