基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法与流程

本发明涉及一种基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法，属于数字微流控芯片故障测试领域。

背景技术：

微流控芯片是一种以在微米尺度空间对流体进行操控为主要特征的科学技术，具有将生物、化学等试验室的基本功能微缩到一个几平方厘米芯片上的能力，因此又被称为芯片试验室。由于其在生物化学分析领域展现出的优势，微流控芯片技术的各个领域一直是学者们研究的重点，数字微流控芯片已经被广泛应用于dna分析，pcr反应，环境检测，药品筛选等国民生活与经济安全领域。在现阶段，微流控芯片的主流形式是通过控制芯片上形成的通道网络来实现流体控制以完成生物化学试验的各种功能。但近年来，由于对片上试验的复杂度与集成度的要求不断提高，出现了能够模块灵活组合与规模集成程度更高的的数字微流控芯片。

数字微流控芯片对以离散形式在平面上自由运动的微小液滴进行操纵，是一种与传统的基于连续流道的微流控芯片不同的新的控制模式。该芯片的典型结构为三明治结构，一般采用玻璃基底或者pcb基底，在顶层制作连续的公共电极，底层则被分割为一个个独立的电极单元，两层电极的中间层作为微小液滴和包容介质的活动空间。对离散液滴的控制基于介电润湿原理，通过改变液滴与介电层之间表面张力的大小来驱动液滴运动。芯片底层的每个独立电极单元分别连接不同的引脚，通过对引脚施加不同的电压序列，可以完成液滴分离，运输，混合等各种操作。基于数字微流控芯片的液滴控制方式技术简单，与基于流道的微流控芯片“一旦完成设计与制作，通道网络模式便固定下来”不同，通过施加不同的、合理的电压驱动序列，在同一片数字微流控芯片上可以设计完成不同的试验，实现芯片功能的重构，也利于更多功能模块的后续集成。另外，与传统的通道网络结构较为简单、试验复杂度小等不足相比，数字微流控芯片可以提供更加多样的液滴控制模式，在芯片规模增大时，控制难度也并没有显著增加，能够适应更高复杂度与更大集成度片上试验的需求，是未来微流控芯片的重要发展方向。

由于数字微流控芯片多被用于安全苛责领域，对可靠性的要求很高，因此，对芯片进行充分测试是保证芯片正常使用中的重要一环。芯片的故障产生方式可以分为两种，一部分来源于芯片生产过程中，由于生产工艺限制导致的参数错误，两层电极之间不平行或间距不适宜，或者制作过程导致的电极缺陷等；另一部分则会在芯片的使用过程中产生，这些故障有些在使用前表现为隐性，但却会在芯片的使用过程中表征出来，另一部分是由于使用过程中操作不当，例如驱动电压过大导致或者电极老化引起的电极短路或短路故障，试剂中的有机物例如核酸和蛋白质引入的污染，导致电极阻塞等等。不管是哪种原因导致的电极故障，最终都会表征为试验液滴运动失常，从而导致试验失败。因此，在片上试验进行的同时，利用空闲的电极单元，同步地对芯片进行在线测试具有十分重要的意义。数字微流控芯片上的试验通常是快速、高通量的反应与检测过程，对结果的可靠性要求较高，通过在线检测的结果，可以及时发现芯片产生的故障，从而可以在发现故障后及时中断试验过程，节省珍贵的试剂资源并且避免得到错误的实验结果。在线测试路径优化的目标是尽可能的找到更短的测试路径，从而缩短测试时间，更早的发现芯片产生的故障。

对于数字微流控芯片在线测试方法的研究，由于存在试验液滴的动态约束限制，测试模型变得复杂，无法再使用简单的扫描式方法，虽然通过多个液滴同步对芯片进行行列扫描，能够有效地缩短测试时间，但是这种方法却并不适用于在线测试范畴，因为，如果采用相同的测试策略将引入大量附加的等待时间，使测试时间增加而失去了对芯片进行在线测试的意义。目前，只有少数研究人员进行了芯片在线测试方法的研究，但大多数方法都针对具有特殊电极布局的定制芯片，或者结合特殊的实验流程对芯片进行在线测试，并不适用于具有规则的长方形电极单元布局的数字微流控芯片测试领域。

目前，存在一种将数字微流控芯片在线测试问题转化为图论中的旅行商问题，利用蚁群算法进行在线测试路径优化的方法。该方法具有一定的普适性，并能够达到较好的优化效果，但是由于芯片规模的限制，需要较大的蚂蚁种群数量和较多的迭代次数才能达到比较好的寻优效果，导致测试路径优化时间过长，限制了该方法的实际应用范围。

技术实现要素：

本发明为了解决现有测试技术下数字微流控芯片在线测试方法存在的一些问题，而提出了一种基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法。

一种基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法，所述方法用于生成测试液滴在数字微流控芯片上的移动路径，所述移动路径通过节点序列表示；所述节点用于表示数字微流控芯片上的电极；所述方法包括如下步骤；

步骤一、建立数字微流控芯片在线测试的数学模型，构建禁忌表；

步骤二、构建邻接列表；

步骤三、设置禁忌搜索算法以及人工势场法的初始参数；

步骤四、根据人工势场法计算从当前节点的可选邻域内各个节点所受到的合力值，根据所述合力值以及禁忌表选择下一节点；

步骤五、更新禁忌表；

步骤六、判断路径是否完整，若否，则跳转至步骤四；

步骤七、判断迭代次数是否达到预设的值，若否，则跳转至步骤三；若是，则输出最优路径。

本发明通过简化芯片在线测试模型，引入人工势场法中的斥力函数来适应试验液滴在芯片上的轨迹变化，避免了复杂模型和大量循环导致的资源浪费，并引入禁忌搜索思想来避免路径搜索陷入局部搜索，从而得到近似最优方案。仿真试验表明，所提出的数字微流控芯片在线测试方法有效地缩短了测试时间，满足一般电极布局数字微流控芯片的测试需求，并且将测试路径规划时间缩短5％左右，使该方法不仅能够适应一般的在线测试需求，还能够满足片资源重构条件下的在线测试应用。

附图说明

图1为本发明的基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法的流程图；

图2(a)为数字微流控芯片的侧视示意图；

图2(b)为数字微流控芯片的俯视示意图；

图3(a)为数字微流控芯片的物理模型示意图；

图3(b)为数字微流控芯片抽象为图的表示形式示意图；

图4(a)为合并区域的示意图，其中阴影部表示合并区域，黑色圆形表示液滴；

图4(b)为干涉区域的示意图，其中阴影部表示合并区域，黑色圆形表示一个液滴；灰色圆形表示即将进入合并区域的另一个液滴；

图5为基于多元体液检测的试验模型；

图6为3×3芯片邻接列表示意图；

图7为本发明的一个实施例的流程图。

具体实施方式

下面简要介绍本发明需要使用到的数字微流控芯片在线测试的相关原理。

1、数字微流控芯片结构与故障模型

数字微流控芯片技术的发展得益于微电子微机械制造工艺的成熟，可以将整个试验环境集成在玻璃基底或者pcb基底上，在几平方厘米的尺度下完成一系列生物化学试验。芯片的一般结构如图2(a)所示，顶层中制作相连的公共电极，底层则分割为一个个规则的电极单元，每个电极单元可以用与其相连的引脚单独控制，离散的液滴可以按照设计的轨迹在中间层的平面空间自由移动。下面，需要对离散液滴的驱动原理作简要说明，如图2(b)所示，当前时刻，在中心电极施加正电压，这一控制电极就被激活，根据介电润湿原理，此时液滴与介质层之间的表面张力减小，液滴变为润湿状态，就覆盖在被激活的电极上。在下一时刻，撤销当前电极的电压，激活临近的单元，由于液滴与介质层之间表面张力的改变导致液滴受力不平衡，液滴就会向相应的方向移动，这就是对离散液滴最基本的一个移动操作。设计不同的电极激活序列，还可以操纵液滴完成分离，混合等操作，在此基础上，就可以实现一个反应的过程。

由于制作工艺的复杂性和多能域耦合潜在的未知的缺陷，芯片可能会出现各种类型的故障，比如电极间的短路和短路，顶层和不平行导致液滴移动速率受到影响，芯片被细菌污染导致通路堵塞等等，这些微观尺度下的故障无法用肉眼观察，只能通过故障的表征加以判断。研究人员已经通过试验证实，芯片的各类故障最终都表征为相邻电极之间的通路受阻，导致液滴受困在某个故障相关的单元。因此，通过设计合理的电压驱动序列，可以操纵测试液滴从蓄液池出发，遍历所有可能故障点，再回到废液池，完成整个测试过程。

芯片是否存在故障，通过在废液池安装一个简易的电容检测电路来辅助判断，液滴的存在会改变电极之间的电容值，如果有液滴达到废液池，电容检测电路会输出一个脉冲。因此，如果芯片不存在故障，在废液池能够检测到测试液滴的到达，反之就可以判断芯片存在故障。

2、数字微流控芯片在线测试模型

数字微流控芯片的在线测试还涉及到一些概念的定义，首先介绍一下对芯片物理模型的抽象方法。

由于芯片结构的特点及故障的表征方式，对其用图论中的方法加以表示有利于在线测试模型的建立，本发明的测试方法针对这种长方形电极布局的数字微流控芯片进行。如图3所示，将电极单元抽象成图中的点v，相邻电极单元之间的通路抽象为图中的边e，由此可以构建出一个无向非完全连通图g＝(v,e)，测试路径的搜索基于图g进行。在对电极单元表示方法的选择上，可以结合坐标法和编号法两种方式，利用编号法可以方便地得到图g中顶点与边的关系，从而在计算机内存储，而利用坐标法则便于表示约束及优化条件，并且，两种表示方法可以很容易相互转化。假设芯片具有m×n个电极单元阵列，v＝(1,2,……,m·n)是图模型中的顶点集，编号为i的电极单元对应的坐标为(xi,yi)，则编号与坐标之间的对应关系为：

i＝m·(yi-1)+xi(1)

从图4中可以看出，由于离散液滴可以沿着相邻单元进行水平方向或者垂直方向的移动，定义这些相邻顶点为顶点i的邻域，记为n(i)。非边界位置顶点的邻域内都有四个相邻顶点，可通过下面的公式获得：

n(i)＝{i+m,i-m,i+1,i-1}(2)

在计算机中，可以将数字微流控芯片抽象出的图的结构用邻接矩阵的形式表示，将该邻接矩阵记为a，则有a(i,j)＝1,j∈n(i)。基于矩阵a，可以进行在线测试路径的搜索工作。若在时刻t-1，测试液滴位于顶点i，而在时刻t移动到顶点j所在的单元，则记在线测试路径的规划过程中，离散液滴之间的流体约束条件也是一个需要考虑的问题，下面结合图4对两种流体约束情况加以说明。

如图4(a)所示，在时刻t，电极单元i是当前被试验液滴占据的位置。由于流体约束条件的限制，距离过近的两个离散液滴会产生融合，因此在被试验液滴占用的单元周围存在一个合并区域(mergingregion)，记为mr(i,t)，在同一时刻，测试液滴不能位于这些位置。另外，由于试验液滴和测试液滴都处于动态过程中，两种液滴之间也存在动态约束条件，如图4(b)所示，若在时刻t-1，测试液滴需要选择下一位置，那么根据流体约束条件，时刻t试验液滴的合并区域mr(i,t)是测试液滴不能选择的区域，称为干涉区域(interferenceregion)，记为ir(i,t)。合并区域和干涉区域共同构成了某一时刻由于流体约束条件形成的禁止区域，记为tabu(t)。

有了上述定义，数字微流控芯片在线测试路径优化问题可以抽象为以下模型。首先，测试液滴需要遍历所有顶点及其邻域。

满足流体约束条件，i为测试液滴所在顶点位置，j为试验液滴所在位置。

te是试验进行所需的最大时间。在这个时间内，芯片上的实验液滴的存在会对测试液滴产生流体约束条件的限制。

路径优化的目标是获得更短的测试时间，由于测试时间与测试路径成正比，所以数字微流控芯片在线测试优化问题的目标就是搜索到更短的测试路径，即：

3、禁忌搜索算法理论概述：

禁忌搜索是从局部邻域搜索发展而来的，但与之相区别的是，禁忌搜索融入了智能。事实上，让迭代搜索沿着有希望的方向前进一直是人们追求的目标。这不仅需要方向的选择，还需要目标函数值的优化，另外，对问题本身知识的考虑与利用，应贯穿于整个搜索过程中，才使得搜索不会陷入局部最优。基于上述认识，禁忌搜索从模拟人的智力过程入手，在算法中引入记忆装置。算法从一个初始可能解出发，选择一系列的特定搜索方向作为试探，选择实现使目标达成最可能的移动。为了避免陷入局部最优解，禁忌搜索中采用一种灵活的记忆技术，即对已经搜索过的节点进行记录和选择，指导下一步的移动，凡是处在禁忌表中的移动，在当前迭代过程中是不允许实现的，这样可以避免算法重新访问在若干次移动中已经访问过的节点，从而防止了循环，帮助算法摆脱局部搜索中。另外，为了尽可能不错过最优解的移动，禁忌搜索还采用藐视准则的策略。

针对数字微流控芯片在线测试最优化路径的搜索过程，本发明利用禁忌搜索算法的下列思想指导测试路径的搜索过程。在禁忌搜索算法中，建立禁忌表记录最近进行的几次移动，每个采纳的移动在禁忌表中滞留若干步，及次移动在以下时间内的搜索中将被视为禁忌对象；如果禁忌表中对应移动的适配值优于当前选择，则无视其禁忌属性而采纳其为当前选择，成为特设准则。在本问题的模型中，禁忌表中的禁忌节点分为两部分，一部分由禁止区域对应时刻的tabu(t)组成，这部分禁忌表会根据时间的变化进行更新(相当于禁忌步数为1)，这部分节点始终不允许进行选择；对应地，另一部分为禁忌搜索算法意义里的禁忌表tabulist(t)，记录测试液滴最近几步移动，将禁忌步数设置为合理的值，可以避免重复选择相同的路径，妨碍测试液滴对芯片其他区域的探索。同样地，本方法为禁忌表中的元素设立特赦准则，如果测试液滴当前已经没有可选择的未走路径，则释放出禁忌表中禁忌步数最小的节点作为当前选择。

下面说明本发明的具体实施方式：

具体实施方式一：本实施方式提供了基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法，本发明的方法用于生成测试液滴在数字微流控芯片上的移动路径，移动路径通过节点序列表示；节点用于表示数字微流控芯片上的电极；

本发明的方法包括如下步骤；

步骤一、建立数字微流控芯片在线测试的数学模型，构建禁忌表。

其中，测试任务可以描述为：

测试液滴从起点出发，按照一定的选择机制依次访问图中的各个节点，在搜索路径的过程中需要避开相应时刻内试验液滴的合并与干涉区域，并在完成了所有边的遍历之后回到终点。为了模型的简单起见，可将起点和终点设置为相同位置，位于芯片的左下方。所以，测试液滴最后会生成一个以编号为1开始并以编号1结束的访问序列l＝{x¹,x²,……,x^z}。规定离散从一个位置移动到相邻位置的时间是单位时间，因为测试液滴搜索过程中的每一步总是访问一个相邻的电极单元构建路径，因此测试路径的长度可以用l的长度来表征，序列长度越短，所需的测试时间也就越少。

其次，由于在线测试过程中芯片上要同时进行试验过程，试验液滴的活动对测试液滴的搜索过程会产生影响，是影响在线测试时间的重要因素，因此，需要考虑实用的试验过程来验证本发明提出的方法。在这里选择如图5所示的多元体液检测芯片的实验模型来进行在线测试方法的验证，试验液滴路径如图5所示，试验过程主要分为以下几个步骤：

1)样本1和试剂1向混合器移动

2)样本1和试剂1到达混合器，进行混合操作

3)混合过程中途试剂2和样本2开始向混合器移动

4)样本1和试剂1完成混合，向检测区1移动，样本2和试剂2开始在混合器中混合

5)样本2和试剂2完成混合，向检测区2移动

6)试验结果1进行闭塞检测

7)试验结果1检测结束，向废液池移动，试验结果2继续检测

8)试验结果2结束检测，向废液池移动。

试验流程以单位个时间周期为基准来计算，在整个试验过程中，混合、检测需要花费较长时间，混合操作需要执行12个周期，检测操作需要执行243个周期，整个试验过程共需要412个周期。

在数字微流控芯片在线测试模型的建立过程中，首先输入芯片规模，例如该芯片为15×15阵列，得到各电极单元编号，之后，根据试验过程，得到各时刻试验液滴的单元坐标，并依据图3所示的在流体约束条件下的合并区域和干涉区域，将区域内的电极单元加入禁区列表。由于试验过程比较复杂，对试验路径和禁区单元时刻表不做详细叙述。

步骤二、构建邻接列表。

按照本发明中芯片模型的构建方法，每个非边界电极单元的邻域内最多有四个顶点，作为下一步的路径选择空间，为了存储与搜索的方便，将各顶点的邻域设置为规模为m·n规模的矩阵，依次加入左右和上下相邻的节点，对于边界位置节点不存在的邻接位置使用元素0占位。图6列出了依据上述规则构造的3×3阵列数字微流控芯片的邻接列表。邻接列表作为本方法中测试液滴搜索路径的基础，按照一定的决策机制逐步构建出整个测试路径。

步骤三、设置禁忌搜索算法以及人工势场法的初始参数。初始参数包括：禁忌步数k，斥力参数ko，引力参数kg。

步骤四、根据人工势场法计算从当前顶点的可选邻域内各个顶点所受到的合力值，根据所述合力值以及禁忌表选择下一顶点。

步骤五、更新禁忌表。

步骤六、判断路径是否完整，若否，则跳转至步骤四。

步骤七、判断迭代次数是否达到预设的值，若否，则跳转至步骤三；若是，则输出最优路径。

具体实施方式二：本实施方式与具体实施方式一不同的是：

步骤一中，建立数字微流控芯片在线测试的数学模型具体为：

建立测试液滴遍历所有顶点及其邻域的模型，表达式为：

其中，t为时刻，j为试验液滴所在的顶点，i为测试液滴所在的顶点，n(i)为顶点i的邻域；为用于记录在t时刻测试液滴是否从位置i移动到位置j情况的值，若是，则的值为1，若否，则的值为0。

测试液滴的移动路径需要满足如下流体约束条件：

其中，mr(j,t)表示在同一时刻与位置j的液滴能够发生融合的液滴存在的区域，记为合并区域；ir(j,t)表示下一时刻的位置将进入合并区域mr(j,t)，记为干涉区域；te为片上实验所需要的时间。

所述表达式的优化目标为：

其中z表示测试的总时间。表达式的含义为：t是时刻的序列，在每一个时刻，测试液滴都会从一个顶点移动到另一个顶点，x值被置为1，乘以对应的时刻t会得到一个时刻值，满足在线测试路径条件之后，根据表达式会得到一个最大时刻(相当于访问最后一条边的时间)，z需要满足大于等于这个最大时刻，在此条件下再取最小值。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：

步骤二中，邻接列表的头结点为数字微流控芯片中的一个电极；邻接列表的表节点为m·n行4列的矩阵，用于表示与其头结点对应的电极相邻的四个电极的编号；其中m和n分别为数字微流控芯片上电极的行数和列数。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：

步骤四中，下一个顶点的表达式为

其中，allowed(i)表示编号为i的节点邻域内不在禁忌表中的节点组成的集合；f(x)为合力值，通过如下公式确定：

f(x)＝fg(x)+fo(x)x∈allowed(i)

其中fo(x)为人工势场法中的斥力；fg(x)为人工势场法中的引力；ko为用于表示试验液滴间的距离对斥力大小影响的参数；kg为用于表示图模型中某条边被访问次数对引力大小的影响的参数；d(x,tabu(t))为顶点x到禁忌区域时刻表tabu(t)中的所有顶点的距离中最小的一个距离。r为用于记录路径(i,x)被访问次数的矩阵。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，步骤一中：

禁忌表包含禁忌区域时刻表tabu(t)以及禁忌搜索表tabulist(t)。

禁忌区域时刻表tabu(t)用于存储试验液滴流体约束条件限制下的禁止区域；tabu(t)满足tabu(t)＝ir(j,t)∪mr(j,t)，其中j为某一时刻试验液滴的位置对应的顶点。

禁忌搜索表tabulist(t)用于存储测试液滴最近特定步数的电极区域。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤五中，当测试液滴在当前时刻已经没有可选择的未走路径，则释放出禁忌表中禁忌步数最小的节点作为当前选择。

其它步骤及参数与具体实施方式五相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：

步骤五中，更新禁忌表具体为：

禁忌区域时刻表tabu(t)随时刻t进行动态更新；

将tabulist(t)表内的顶点禁忌步数减1；将此时禁忌步数为0的顶点移出该表；将测试液滴下一时刻将要选择的顶点j加入tabulist(t)表；再将禁忌步数设置为k。其中k为禁忌步数的初始值，用于表示最近一个加入禁忌搜索表tabulist(t)的顶点的禁忌步数，k随着路径搜索过程进行更新。

其它步骤及参数与具体实施方式五或六相同。

<实施例>

在本发明的仿真结果中，使用图5所示的多元体液检测芯片作为实验模型，并将该实验模型调整到9×9、11×11、13×13和15×15四种规格的数字微流控芯片上进行方法验证。其中，检测和混合模块保持不变，样本和试剂的路径按照芯片规模做相应尺度下的对应，实验流程如4.5中所述，由于混合和检测操作在整个实验流程中占据大多数时间，所以实际规划出的实验路径在不同规模的数字微流控芯片上并没有太大的变化。对不同规模的芯片，本实施例都采用本发明涉及的方法进行了多次仿真，由于篇幅原因，下面只列出仿真结果中每种规模下得到的平均的测试路径长度值，并且与利用蚁群算法优化在线测试路径的仿真结果进行了比较，结果如表1所示。

表1在线测试路径优化仿真结果

数字微流控生物芯片的在线测试就是要遍历图g中所有的边，因此，如果我们能够找到一条经过所有边一次且仅一次的路径，那么这条路径应该是理论上最短的在线测试路径。但是，欧拉回路的理论表明，在根据数字微流控芯片模型构建的图g中，是无法找到这样的欧拉回路的，只有重复访问某些边才能得到完成的测试路径。从表2中可以看到，我们所得到的测试路径长度都比对应规模芯片边的数目有所增加，增加的边数与芯片规模大致成正比，侧面说明结果的合理性。

另外，还需要对测试液滴的路径是否满足流体约束条件进行验证。在芯片上任何的移动路线的路径序列都可以按照时间顺序拆分，如果两条路径在特定的时间内均不存在重叠的电极单元，这两条路径就是兼容的。在得到最优路径之后，截取测试时间内的禁区单元列表，将对应时间内测试液滴所在的顶点与禁区单元列表内的各个顶点进行比较，如果在实验时间内两部分均没有交集，说明在整个测试时间内测试液滴都没有进入禁区列表中，证明测试路径与实验液滴的路径能够兼容。比对结果说明，本课题算法规划的测试路径满足流体约束条件，克服了已知的一些方法无法解决在线测试中的流体约束问题的缺点，能够适应数字微流控芯片在线测试的需求。

仿真结果表明，本课题设计的算法具有较好的路径规划效果，相比另一种基于改进的蚁群算法的在线测试方法，本方法能够获得更优化的在线测试路径，将测试时间缩短了大约5％，能够更快的发现芯片出现的故障。另外，与另一种方法相比，本课题设计的算法只需要较短的时间就能得到路径规划结果，在某些应用中，数字微流控芯片上的试验需要重新规划，试验路径随之改变，也就需要规划新的测试路径，这种条件下，显然快速的获得新的测试路径有利于保障芯片正常使用，及时完成测试任务。由此可见，通过应用本发明提出的禁忌搜索与人工势场法相结合的在线测试路径优化方法，可以获得更短的测试时间，节约测试的时间成本。并且由于基于局部搜索算法的思想进行路径构造，具有运算量小，运算速度快等优点，因此本发明尤其适合应用于某些快速检测或体外诊断芯片的在线测试路径规划中。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。