变异测试是一种基于错误的软件测试技术,可以系统的模拟软件中的各种缺陷。变异测试有很多其他测试不具备的优点,主要有两方面:一方面,变异测试所构建的完整测试数据集能够明确的指出测试软件的缺陷所在;另一方面,变异测试的结果往往能作为数据集测试和评估测试的充分性的检验指标。虽然变异测试的优势很明显,但是变异测试需要高昂的计算成本这一致命缺点成为了制约它进一步发展的主要绊脚石。针对变异测试自动生成测试用例存在的计算成本高昂的问题,本文主要从测试用例数目减少、变异体约简和测试用例自动生成这三个方面进行了研究,开发了一款测试用例自动生成软件。具体研究内容和成果如下:(1)为了解决变异测试计算成本过高的缺陷,提出了将DBSCAN算法进行改进的变异体约简算法。首先将变异测试的用例生成过程进行简单化处理转换成遵循满足变异分支覆盖准则的用例生成,这一步使用的是基于弱变异测试准侧的测试用例生成思想,并使用二进制编码方式来减少无效的变异分支,用尽可能少的测试用例覆盖尽可能多的变异分支。然后提出在DBSCAN算法的基础之上将变异算子选择法和聚类分析法结合起来,变异算子的约简要遵从不影响变异得分的前提,经过实验对比,改进后的变异体约简算法相比较DBSCAN算法可以更加高效的实现变异体约简。(2)为了提高生成测试用例的效率,提出了一种对遗传算子的取值进行改进的遗传算法。首先,建立基于弱变异测试准则生成变异测试数据的数学模型;其次,为了更好的求解数学模型,解决遗传算法会出现的“早熟”现象,将遗传算子的值与种群平均适应度函数值相结合,使遗传算子进行动态取值,高效率的生成测试用例。对四组比较经典的程序进行实验,结果表明,相比较标准遗传算法而言,改进后的算法花费更少的时间,自动生成测试用例的效率更高。(3)在上述研究成果的基础上,设计并实现了一款生成测试用例的软件,该软件包含了导入源程序、生成变异分支和变异体、约简变异体以及生成测试用例等功能。本文提出的变异体约简算法有效降低了变异测试的计算成本,测试用例生成算法则有效提高了测试的效率和质量,这两种算法对于变异测试的发展具有重要的理论意义。