差分进化算法由于其结构简单、优化性能强而在各种领域中被广为使用。由于集成电路工作频率的不断提高,小时延缺陷已经逐渐成为电路时延故障的重要原因。本课题在综合分析经典DE算法存在的问题以及应用背景的基础上,对经典DE算法进行改进,接着将改进后的DE算法应用到自动聚类算法之中,以解决小时延缺陷检测的代表性关键路径选择问题。本课题将从以下三个方面来展开研究:（1）针对差分进化算法后期局部搜索能力弱以及性能依赖于参数设置的问题,提出“基于全局和邻域变异算子加权耦合的自适应DE算法”。该算法将一种新的邻域搜索策略,与全局搜索策略进行加权耦合来生成变异向量,二者的比例随种群进化动态变化,从而增强算法的局部搜索能力;其次,设计基于秩的参数自适应策略,参考个体适应度排名信息来设置控制参数。在IEEE CEC2017标准函数测试集上的实验结果表明,本课题所提出的DE改进算法的优化性能要显著优于几种经典的DE变体,且随着问题维数增加,性能优势越明显。（2）针对差分进化算法迭代过程中的早熟收敛和停滞的问题,提出“基于维度判断收敛停滞状态的DE算法重激活机制”。该重激活机制首先从维度的角度去分别判断种群的收敛或停滞状态;接着,对优势个体和劣势个体采取不同的重采样方法,引入外部信息来丰富种群多样性。在IEEE CEC 2017标准函数测试集上进行实验,结果表明结合重激活机制可以有效提高DE算法的优化性能。（3）最后,本课题对小时延缺陷检测的代表性关键路径选择问题进行研究。首先对关键路径进行分析建模编码,设计基于拓扑结构相似性的延迟测试方案;其次,使用所改进的DE算法和重激活机制,结合聚类中心邻域更新机制去实现自动聚类,在UCI数据集上验证所改进聚类算法的有效性;最后,在基准电路上的大量关键路径中选择一组代表性关键路径进行监控,进而估计其他关键路径的延迟,通过分析估计误差验证所设计方案的有效性。