如今计算机技术发展越来越快,软件在各行各业起着一个很重要的作用,比如:医疗、金融、交通等领域。因此这些软件的质量必须得到提高,软件可靠性是评价软件质量的重要属性之一。对于软件可靠性的评估主要是通过模型来实现,目前存在的模型就有上百种,但是大多数的模型都是非线性的,很难对它们的参数进行估计,所以选取合适的模型对于可靠性的评估是很重要的。近年来,诸多学者对于不同的软件可靠性模型提出一种新的思路,就是将群体智能优化算法应用于软件可靠性模型参数估计中。极大似然和最小二乘法是最常用的两种估计方法,但是这两种方法在寻优的过程中容易对可靠性模型参数估计的约束条件造成破坏,降低了解的准确度。基于上述的问题,本文使用WPA和PSO算法和两者的混合分别对软件可靠性模型参数的估计和预测。使用5组经典的软件失效数对GO模型的参数进行估计和预测,接着对狼群算法和粒子群算法的软件可靠性模型进行深入的研究,使用极大似然法构建适应值函数,并且在算法的运行过程中剔除错误的解。分别地使用狼群算法、粒子群算法以及两者的混合实现对软件可靠性模型参数的估计。狼群算法具有全局寻优能力强,算法的收敛速度快,寻优策略多样,但是算法相对复杂。粒子群算法的结构简单,收敛速度快,但是容易陷入早熟导致求解的准确度不高;基于两种算法的优势和不足,将混合算法运用于模型的参数估计中。实验结果表明混合算法的结果不论是参数估计还是预测方面准确度都得到大大地提高,尤其是在算法运行数十次的时候,混合算法运行数十次的解都是相比较单个算法更加地接近实际值,进一步说明了混合算法估计参数的准确度。