با توجه به پیشرفت روز افزون ‏‎ic‎‏های دیجیتالی، سالم بودن این قطعات از اهمیت بالایی برخوردار می باشد. برای تست این قطعات لازم است که ورودهای مناسب به مدار داده شده و خروجی های آنها با خروجی های مطلوب مقایسه شود. الگوریتم های زیادی برای تولید تست وجود دارد که یک دسته از آنها، الگوریتم های ساختاری می باشند. این الگوریتم ها برای تولید بردار تست به ساختار مداری سیستم تحت تست نیاز دارند. در بسیاری از الگوریتم ها از جستجوی بردار تست بروش برگشتی ‏‎(backtrack)‎‏ استفاده می شود. مدت زمان اجرای هر الگوریتم پارامتر مهمی است و یکی از مشخصات آن محسوب می شود و عاملی که باعث کند شدن الگوریتم های می شود، تعداد زیاد برگشت ها می باشد. یکی از راه های کاهش برگشت ها بدست آوردن انتساب های اجباری است. هر چه انتساب های اجباری بیشتری بدست آید، تعداد برگشت ها کمتر شده و سرعت الگوریتم افزایش می یابد. بنابراین اگر تمام انتساب های اجباری بدست آید. هیچ برگشتی نخواهیم داشت. در این پایان نامه از روش یادگیری بازگشتی ‏‎(recursive learning)‎‏ استفاده شده است که تمام انتساب های اجباری را مشخص می کند. به این صورت که الگوریتم، انتساب مقادیر به سیگنال های را حتی تا رسیدن به جواب ادامه می دهد تا تمام انتساب های اجباری برای فعال شدن عیب و انتشار آن به حداقل یکی از خروجی های اولیه بدست آید. بنابراین هیچ برگشتی وجود نخواهد داشت. با این الگوریتم، بردارتست مدارهای ترتیبی نیز بدست می آید که به صورت مجموعه ورودی های متوالی همراه با کلاک می باشد. به منظور پیاده سازی این الگوریتم یک برنامه کامپیوتری به زبان ‏‎c‎‏ نوشته شده است که با اجرای برنامه بر روی تعدادی مدار از جمله ‏‎benchmark c1908‎‏ بهبود در سرعت این الگوریتم را نشان می دهد.