随着微流控生物芯片集成度的持续增长,手工设计的方式无论从设计质量还是设计效率上都已无法满足需求。随着使用场景和需求的多样化和复杂化,芯片的器件数量和试剂种类急剧增加,由此引发的一系列控制、调度问题给芯片的自动化设计带来了极大挑战。同时,在设计中降低芯片的制造成本,提高芯片的可靠性成为重要的设计目标。本论文针对三种类型的微流控生物芯片的物理设计问题展开了深入的研究,并提出了高效实用的协同物理设计算法,主要研究工作包括:首先,针对数字式微流控生物芯片在流体层和控制层的设计鸿沟问题,提出了面向电极和液滴的协同物理设计算法。在芯片的流体层设计阶段,基于A*搜索和拓扑排序,解决了考虑清洗容量约束的污染问题。在芯片的控制层设计阶段,基于支持向量机理论,通过对电极结群方案进行特征提取和对分类器的训练,解决了电极结群和控制导线布线之间的设计鸿沟问题。实验结果表明,相比于已有方法,本文所提出的算法除了首次考虑了清洗容量约束,在电极连接成功率及电极数量上表现更优,且在求解速度上有30%以上的提升。第二,针对连续流体式微流控生物芯片的物理设计问题,提出了协同物理设计算法。根据序列对表示法、协商策略、网络流理论,采用迭代反馈的机制,解决了流体层和控制层的设计鸿沟问题。此外,在基于多路复用器的控制层结构下,实现了考虑控制管道压力衰减问题的多路复用器优化算法,提高了芯片的可靠性。实验结果表明,相比于已有方法,本文算法在芯片面积,流体微通道交叉点数量,以及流体微通道总长度上分别有32%,40%,和22%的平均提升。此外,本文算法可以消除所有的控制管道压力衰减问题,并且在总刷新代价上相比于基准算法有77%的平均提升。第三,针对纸上数字式微流控生物芯片的特殊结构所造成的控制干扰问题,提出了面向不同类型生物化学实验的协同物理设计算法。相比于已有工作,本文首次考虑了控制干扰问题。基于网络流和整数规划理论,采用迭代反馈机制,实现了流体与控制的协同物理设计,解决了控制干扰问题。实验结果表明,相比于基准算法,本文提出的算法在电极连接成功率上得到了 41%的平均提升。此外,本文算法可以针对不同类型的测试用例,从电极和液滴两个角度对设计方案进行优化,并极大的提高设计效率。