自适应随机测试(Adaptive Random Testing, ART)是近几年发展起来的一种黑盒测试方法,固定候选集的ART算法(Fixed Size Candidates Set Version of ART, FSCS)是实现ART算法诸多方法中最为经典,最为普遍认可的算法。FSCS在发现程序错误的能力上比随机测试(Random Testing, RT)有显著的提高,但是由于FSCS输入域的有界性导致了FSCS的边界效应现象。同时由于FSCS算法在选择生成新的测试用例时,需要大量的距离计算,尤其是当失效率较小和维数较大的情况下,执行算法的庞大开销达到令人难以忍受的程度,严重影响了测试工作的效率。本文对FSCS及其相关的算法作了深入分析,并查阅了大量文献资料,在此基础上,借助于环的思想提出了环形FSCS (Circled FSCS,. C-FSCS),把有边界的输入域变换为无边界的环,从而彻底消除了输入域的边界,从根本上解决了FSCS算法的边界效应。针对FSCS算法开销较大的问题,本文进一步提出了改进的C-FSCS (Improved C-FSCS, IC-FSCS),直接消减掉绝大部分不必要的距离计算,从而极大的提高了算法的运行效率。此外,本文还将上述方法应用于基于限制区域的随机测试算法(Restricted Random Testing, RRT),提出了环形RRT算法(Circled RRT, C-RRT)和其改进算法IC-RRT (Improved C-RRT),解决了RRT算法中同样存在的边界效应和运算开销过大的问题。为了验证所提出的算法的有效性,我们做了大量的实验,实验结果表明我们所提出的算法在测试效果和运行开销上的改进是非常显著的。