一种基于遗传算法的寻找最优DRAM检测算法的方法及系统技术方案

本说明书实施例提供一种基于遗传算法的寻找最优DRAM检测算法的方法及系统，其中，该方法包括：生成当前种群，其中，当前种群包括多个当前检测算法；计算每个当前检测算法的适应度值；判断当前种群是否满足预设终止条件；满足预设终止条件时，基于每个当前检测算法的适应度值，确定最优DRAM检测算法；不满足预设终止条件时，重复执行基于当前种群生成新的种群，并使用新的种群更新当前种群，计算更新后的当前种群的每个当前检测算法的适应度值，判断当前种群是否满足预设终止条件，直至当前种群满足预设终止条件，基于每个当前检测算法的适应度值，确定最优DRAM检测算法，具有自动寻找最优DRAM检测算法，提高DRAM检测效果的优点。点。点。

【技术实现步骤摘要】
一种基于遗传算法的寻找最优DRAM检测算法的方法及系统


[0001]本说明书涉及数据处理领域，特别涉及一种基于遗传算法的寻找最优DRAM检测算法的方法及系统。

技术介绍

[0002]随着工业技术和人工智能的发展，人们对内存芯片的精度和密度提出了越来越高的要求，内存芯片在生产时使用越来越先进的制造工艺，各种新的内存缺陷也会因应而生。同时，由于设计与制造中的缺陷，如设计不当、材料缺陷、加工缺陷、安装调整不当等不可避免的会产生一些早期故障。为了提高内存芯片的使用可靠性，减少早期故障，在内存芯片投入使用前，需要对它进行质量筛选，为投入使用做基本的可靠性保障。而一个优异的内存芯片检测算法可以快速检测出器件中的隐含的质量缺陷，为企业减少大量时间和成本，提高数据安全性。某些数据模块(pattern)和数据存入方式更有可能暴露DRAM(Dynamic Random Access Memory)内存的缺陷，不同的性能的DRAM对不同的pattern会表现出不同的故障特性。芯片设计工程师也无法精准地设计出针对某种内存芯片的检测算法。内存芯片越来越精密，内存缺陷的型态也多样化、新颖化，现有的内存芯片检测算法适用性逐渐降低，需要研究出复杂度很高、适应度更好的内存检测算法。目前业内主要靠芯片设计工程师根据芯片测试后的诊断报告来选择检测算法，但由于算法难以量化，导致即使有一个算法测试出的结果比较好，也难以知道是算法的哪一部分导致测试结果较好。
[0003]因此，需要提供一种基于遗传算法的寻找最优DRAM检测算法的方法及系统，用于自动寻找最优DRAM检测算法，提高DRAM检测效果。

技术实现思路

[0004]本说明书实施例之一提供一种基于遗传算法的寻找最优DRAM检测算法的方法，所述方法包括：生成当前种群，其中，所述当前种群包括多个当前检测算法；计算每个所述当前检测算法的适应度值；判断所述当前种群是否满足预设终止条件；当判断所述当前种群满足预设终止条件时，基于每个所述当前检测算法的适应度值，确定最优DRAM检测算法；当判断所述当前种群不满足预设终止条件时，重复执行基于所述当前种群生成新的种群，并使用所述新的种群更新所述当前种群，计算更新后的所述当前种群的每个当前检测算法的适应度值，判断所述当前种群是否满足预设终止条件，直至所述当前种群满足所述预设终止条件，基于每个所述当前检测算法的适应度值，确定所述最优DRAM检测算法。
[0005]在一些实施例中，所述当前检测算法至少包括数据模块的数值、数据模块的长度、数据写入次数、数据读取次数及地址跳跃方式。
[0006]在一些实施例中，所述基于所述当前种群生成新的种群，包括：对每个所述当前检测算法进行编码，生成每个所述当前检测算法对应的个体染色体编码串；基于每个所述当前检测算法的适应度值，确定所述当前种群中的多个目标当前检测算法；基于所述多个目标当前检测算法对应的个体染色体编码串，生成所述新的种群。
[0007]在一些实施例中，所述对每个所述当前检测算法进行编码，生成每个所述当前检测算法对应的个体染色体编码串，包括：对每个所述当前检测算法进行二进制编码，生成每个所述当前检测算法对应的个体染色体编码串。
[0008]在一些实施例中，所述基于每个所述当前检测算法的适应度值，确定所述当前种群中的多个目标当前检测算法，包括：对于每个所述当前检测算法，基于所述当前检测算法的适应度值及其他当前检测算法的适应度值，计算所述当前检测算法对应的目标概率；基于每个所述当前检测算法对应的目标概率，确定所述当前种群中的所述多个目标当前检测算法。
[0009]在一些实施例中，所述基于所述多个目标当前检测算法对应的个体染色体编码串，生成所述新的种群，包括：对所述多个目标当前检测算法进行交叉运算和/或变异运算，生成所述新的种群。
[0010]在一些实施例中，所述变异运算至少包括相邻互换、单点突变、区间逆转和/或单点移动中的至少一种。
[0011]在一些实施例中，所述计算每个所述当前检测算法的适应度值，包括：对于每个所述当前检测算法，将所述当前检测算法对应的个体染色体编码串解码成十进制编码串；基于所述十进制编码串进行测试，获取测试数据；基于所述测试数据确定所述当前检测算法的适应度值。
[0012]在一些实施例中，所述预设终止条件与所述当前检测算法的适应度值或遗传次数相关。
[0013]本说明书实施例之一提供一种基于遗传算法的寻找最优DRAM检测算法的系统，包括处理器；以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行基于遗传算法的寻找最优DRAM检测算法的方法。
附图说明
[0014]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0015]图1是根据本说明书一些实施例所示的基于遗传算法的寻找最优DRAM检测算法的方法的流程图；
[0016]图2是根据本说明书一些实施例所示的确定最优DRAM检测算法的流程示意图；
[0017]图3是根据本说明书一些实施例所示的基于遗传算法的寻找最优DRAM检测算法的系统的结构图。
具体实施方式
[0018]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0019]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0020]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0021]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0022]图1是根据本说明书一些实施例所示的基于遗传算法的寻找最优DRAM检测算法的方法的流程图。下面呈现的基于遗传算法的寻找最优DRAM检测算法的方法的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图1中示出的和下面描述的基于遗传算法的寻找最优DRAM检测算法的方法的操作的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的寻找最优DRAM检测算法的方法，其特征在于，包括：生成当前种群，其中，所述当前种群包括多个当前检测算法；计算每个所述当前检测算法的适应度值；判断所述当前种群是否满足预设终止条件；当判断所述当前种群满足预设终止条件时，基于每个所述当前检测算法的适应度值，确定最优DRAM检测算法；当判断所述当前种群不满足预设终止条件时，重复执行基于所述当前种群生成新的种群，并使用所述新的种群更新所述当前种群，计算更新后的所述当前种群的每个当前检测算法的适应度值，判断所述当前种群是否满足预设终止条件，直至所述当前种群满足所述预设终止条件，基于每个所述当前检测算法的适应度值，确定所述最优DRAM检测算法。2.根据权利要求1所述的一种基于遗传算法的寻找最优DRAM检测算法的方法，其特征在于，所述当前检测算法至少包括数据模块的数值、数据模块的长度、数据写入次数、数据读取次数及地址跳跃方式。3.根据权利要求1或2所述的一种基于遗传算法的寻找最优DRAM检测算法的方法，其特征在于，所述基于所述当前种群生成新的种群，包括：对每个所述当前检测算法进行编码，生成每个所述当前检测算法对应的个体染色体编码串；基于每个所述当前检测算法的适应度值，确定所述当前种群中的多个目标当前检测算法；基于所述多个目标当前检测算法对应的个体染色体编码串，生成所述新的种群。4.根据权利要求3所述的一种基于遗传算法的寻找最优DRAM检测算法的方法，其特征在于，所述对每个所述当前检测算法进行编码，生成每个所述当前检测算法对应的个体染色体编码串，包括：对每个所述当前检测算法进行二进制编码，生成每个所述当前检测算法对应的个体染色体编码串。5.根据权利要求4所述的一种基于遗传算法的寻找最优DRAM检测算法...

【专利技术属性】
技术研发人员：蒋洪湖，曾祥卫，刘石柱，
申请(专利权)人：深圳市章江科技有限公司，
类型：发明
国别省市：