当今，各行各业都在使用不同样式的软件，这些软件的种类、规模以及复杂度都在一定的程度上不断地增大，这直接导致了软件发生错误的概率增大，软件出现的错误可能引发巨大的损失，有时甚至还会对人类的生命安全构成威胁，所以，能保证软件质量和可靠性的软件测软件测便引起了人们的重视。测试在软件开发中占据了非常重要的位置，怎样在保证软件质量的情况下有效地缩短测试所需周期，降低测试成本是测试行业研究的热点。　　 随着计算机科学技术的发展，软件测试也随之发展了起来，从最初的检查程序到组建测试团队，从手工测试到自动、手工结合，如今，软件测试已经演变为一系列具体的执行过程，此行业的发展也逐渐规范统一了，如何从已设计的原始测试用例集中选择规模较小的测试用例，使得测试费用降低到最少，是测试行业的主要目标。　　 要想从原始测试用例集中挑选出100％覆盖的代价最小的测试用例子集，就必须使重复测试所付出的代价最小，这显然是一个NP问题，这种问题用传统算法很难解决，于是本文提出用智能优化算法来解决这个组合优化问题，这种算法是对蚁群算法(Ant Colony Algorithm)进行了规范和抽象后，提出统一的路径转移机制，结合合适的参数组合来保证蚂蚁搜索的动态随机性，将改进的算法应用到测试用例约简问题上，在避免早熟停滞现象发生的同时获得全局最优解。此算法可以保证在可接受的时间范围内找到最优解或近似最优解，无论是理论研究还是实际应用都具有重要的价值。　　 最终，本文对改进的蚁群算法参数的取值进行了仿真设计，并将其运用到求解测试用例约简的问题中，设计测试用例自动挑选系统，此系统能根据不同的算法从输入两个表(用例、需求关系表和代价表)中自动的挑选出约简后的测试用例子集并计算出各子集的代价，用此方法求得的测试用例子集的代价与经典的几种算法进行了比较，得出本文提出的算法可行有效且能求得比其他算法更优的解，同时也保证了测试覆盖度，有效地节约了人力资源，从本质上降低了软件测试的成本。