自适应随机测试(Adaptive Random Testing,ART)是一种增强的随机测试,比随机测试更有效。当前已有的ART算法在多维条件下的有效性普遍不理想,甚至比随机测试更差。此外,这些算法针对的输入域基本上都是基于数值的,也未见使用ART的测试工具。针对ART的多维问题,本文分析了当前各种ART算法,重点研究了两种典型的ART算法:FSCS和IP,总结了影响ART算法有效性的关键因素和多维条件下软件失效区域的特点,最终提出了一种各维独立递增的FSCS(IncrementalDimension Independent FSCS,IDI-FSCS)算法。实验表明,较之于当前的ART算法,IDI-FSCS在多维条件下的有效性有所提高,并且算法本身的效率也得到了改善。在研究ART算法的时候,为了提高实验的效率,本文提出了一种基于方格计数的ART有效性的快速评估方法,大大减少了实验的工作量。为了改善ART的实用性,本文从面向对象的角度给出了测试用例距离的一种定义,该定义具有简单性,在一定程度上解决了非数值环境中使用ART的问题,为ART在测试工具中的应用提供了一种可能。以上述研究成果为基础,借鉴随机测试工具T2,我们开发了一个基于Java的自适应随机测试工具JAT,该测试工具可扩展、易于维护、可重用。实验表明,JAT比T2更有效,与我们的预期吻合。此外,JAT的适用范围比T2更广,还可以与多种测试框架和开发环境相集成。