软件测试已逐渐成为制约软件发展的一个重要因素。目前软件测试研究的方法或者基于某些复杂、难于理解的理论，或者操作过程复杂，难以应用。粗糙集理论是一门用于处理不确定、不精确和不相容数据的数学工具，无需提供任何先验假设或条件，而且粗糙集方法得到的是易于理解的关联规则，这些规则符合人类的经验，更适合在管理决策中应用，因此将粗糙集理论应用于软件测试是一个很有价值的新的研究领域。目前粗糙集在软件测试和软件工程中的应用研究这方面的工作和相关文献都非常的少，这一新的领域的研究工作几乎没有开展。本文的研究就基于这样的背景，在这一新的研究领域上开展起来的。本文的研究主要分为两个部分。第一部分：在总结分析现有粗糙集数据约简算法的基础上，提出了新的属性约简和属性值约简算法，并对新算法的时间复杂度做了较为详细的分析；第二部分：采用新提出的数据约简算法，建立了三个基于粗糙集的软件测试模型。这两个部分也是本文的创新点所在。本文首先介绍了课题的背景及相关知识：软件测试的相关知识及不确定性；粗糙集理论的特点、基本概念和相关的数据约简方法，从而引出本文的选题思路。其次，综合考虑了代码实现的可行性和算法时间复杂度等问题，提出了新的属性约简算法和属性值约简算法，并分析了它们的时间复杂度。接着，针对软件测试中的不确定性，提出了三个基于粗糙集的测试模型：测试用例优化模型；软件质量评价模型和软件质量排序模型。测试用例优化模型可用于减少测试用例中包含的冗余数据，后两个模型可用于对单个软件进行等级评价和对多个同类软件质量进行排序。最后，设计了基于粗集的测试管理系统RS_TMS原型的总体功能框架和主要的数据表，实现了其中的核心功能模块——粗集数据约简模块，并应用简单的例子说明了模型的建立和使用。本文结论部分对课题的研究作了一个总结，并对粗糙集在软件测试及软件工程上的应用这一新的领域的研究作了展望。