软件测试是保证软件质量的重要手段。测试用例作为在测试中为特定目标开发的测试输入、执行条件和预期结果的集合，其自动生成技术是软件测试的关键技术之一。近年来，虽然软件测试自动化技术与方法有了很大的发展，但还远没有成熟，现有的测试用例自动生成技术无法满足当前软件测试的实际需要，因此研究测试用例自动生成技术对于测试技术的发展有着重要的意义。　　 本文的主要工作是对应用于测试用例自动生成技术中的优化算法进行研究，基于软件测试的基本理论和现有的测试用例生成方法，提出一种改进的混合遗传优化算法应用到测试用例生成技术中，改善现有遗传算法产生测试用例时效率较低的缺陷。论文首先阐述了遗传算法和模拟退火算法的理论基础和特点，介绍了融合这两种算法优点的遗传模拟退火算法的基本理论和特点，并对基于遗传算法的测试用例自动生成系统中需要解决的关键技术进行了系统分析：如编码问题、适应度函数的选取问题等。在这些理论分析基础上，提出一种改进的自适应遗传模拟退火算法，简称IAGSA算法：即对一种现有的自适应遗传算法中的交叉、变异算子进行改进，将模拟退火算法嵌入到遗传算法中，并重新设计了退温函数，实现高温阶段的退温时间远长于低温阶段的退温时间以提高搜索效率。改进后的算法充分发挥遗传算法的全局搜索和模拟退火算法的局部搜索优势。　　 最后以三角形分类程序为例，通过MATLAB仿真，应用IAGSA算法为该程序的指定路径生成测试用例，并将实验结果与改进前算法所得结果进行比较。实验结果表明：基于IAGSA算法的测试用例生成系统能够准确地为指定路径生成测试用例，并且在测试用例生成的效率和质量上都优于改进前的算法，进一步说明了IAGSA算法应用于测试用例自动生成的可行性和有效性。