随着电子技术的发展,集成电路的规模越来越大,结构也越来越复杂,这使得数字电路的测试生成变得越发困难。近几年,仿生学算法的研究进展非常迅速,该类算法可以有效地解决组合优化问题,而测试生成问题的本质就是组合优化问题,因此,很多算法被用到了数字电路测试当中来,例如,遗传算法、蚁群算法和粒子群算法等。将仿生学算法引入测试生成当中,能使测试生成问题的复杂性得到简化。本文以数字电路的测试生成为研究对象,采用单固定型故障模型,以提高算法的故障覆盖率和缩小测试生成时间为目标,对蚁群算法和粒子群算法进行了改进,并将二者有机的结合起来,应用在数字电路的测试生成当中。首先,将蚁群算法的信息素更新机制进行改进,使其免于陷入局部最优,并应用于数字电路的测试生成中,与基于遗传算法的测试生成算法相比,提高了故障的覆盖率;其次,又对粒子群算法的参数进行了改进,使其具有较好的收敛性,并将其应用到数字电路测试生成中,与蚁群算法相比得到较短的测试时间;最后,根据蚁群和粒子群算法的各自优势,将二者结合起来生成新的测试生成算法,实验结果表明,测试时间和故障覆盖率都得到了提高。