数字微流控生物芯片是一种新兴技术,它可以将传统的生物实验室程序整合到一个小型生物芯片上,具有高精确度、自动化、低成本和高效率等优点,在生化分析、临床诊断和药物制备等领域具有广泛的应用前景。随着数字微流控芯片的尺寸越来越大,应用越来越复杂,我们需要更高质量的自动化软件以辅助其应用。数字微流控生物芯片流体层面的综合工具可以获得如何用芯片控制液滴以完成特定生化反应的信息,它包括四个步骤:资源绑定、操作调度、模块布局和液滴路由。综合过程中存在复杂的组合优化问题,适合使用遗传算法来解决。本研究的目的在于对数字微流控芯片流体层面的综合过程进行分析,利用遗传算法,为综合过程中的前三步提出更高质量的算法,在给定芯片上更快地执行生化反应。数字微流控生物芯片流体层面的综合过程的前三步在本文中合称为三维布局问题。数字微流控生物芯片综合过程的目的是让生化反应在芯片上合法地执行,同时增加吞吐量。反应的完成时间是先前相关算法的主要优化目标。由于生化反应执行过程中存在暂时不能参与反应的液滴,需要储存操作为这些液滴分配资源以储存在芯片上。先前算法得到的生化反应执行结果通常存在过多的储存操作,占据了多余的空间,激活了多余的电极,令模块布局和液滴路由更为复杂。针对这一问题,本研究增加了一个次要的优化目标以减少综合结果中的储存操作。基于遗传算法的调度方法,和使用遗传算法或其它元启法式算法的三维布局方法,都会在内部使用启发式调度方法作为产生合法解的方式。启发式调度算法的质量是影响结果中反应完成时间的重要因素。本研究分析了已有的启发式调度算法,发现它们只能生成合法解中的一部分。针对先前遗传调度算法因为搜索空间较小而表现不佳的问题,本研究提出一个新的启发式调度算法——队列调度。利用蛋白质比色反应和体外诊断反应进行实验,与基于已有启法式方法的遗传调度算法相比,基于队列调度的遗传算法可以获得最优的解。由于没有获得模块布局的结果,单独的调度算法通常无法充分利用芯片资源。将资源绑定、操作调度和模块布局三个问题一次性解决的三维模块布局方法可以解决这一问题。先前的三维布局方法所得到的结果通常受限于布局内容的表示方案。本研究提出使用三维矩阵来控制芯片电极资源,芯片上的每一电极的每一时刻都可以独立的表示和分配。这种方法不仅可以表示出所有的布局可能性,还可以直观灵活地应用于各种复杂的资源约束情形。本研究提出了基于遗传算法的三维模块布局算法,此方法内部使用了队列调度和三维矩阵控制的布局方法,保证结果的合法性的同时优化反应完成时间和储存时长。利用蛋白质比色反应和体外诊断反应进行实验,与前人提出的三维布局方法相比,本研究提出的算法可以用更短的时间完成相同的生化反应。除此之外,相比于只考虑反应完成时间这一目标的算法,增加储存时长优化目标的算法不仅能获得相同的反应完成时间,还能得到储存时长更短的结果。