计算机技术在人类生活中发挥着举足轻重的作用,但同时由于软件出错给人类造成不可挽回的损失的例子不胜枚举,因此保障软件安全可靠的运行是一项迫切且持久的研究,软件测试是保障软件可靠运行的重点。符号执行技术是目前最具有发展前景的软件测试技术之一,但仍面临着许多挑战。约束求解是符号执行技术在发展过程中面临的主要瓶颈之一。由于对约束求解器的频繁调用及搜集到的路径约束难以求解,导致约束求解占据了符号执行的大部分资源消耗,因此本文想要通过提高约束求解器的求解效率来提高符号执行的效率。约束求解器在求解SMT公式时会使用求解策略控制求解过程,求解策略对于求解器的求解效率有很大的影响,默认的求解策略在新的问题上容易效率低下,但是目前符号执行工具都是使用默认的求解策略求解。因此本文希望可以为程序在符号执行过程中在线的生成更高效的求解策略,以此提高约束求解效率,进而提高符号执行的效率。本文的主要工作有:（1）提出了为程序在符号执行过程中在线综合求解策略的框架,在该框架中符号执行被划分为两个阶段,在第一阶段中搜集符号执行过程中的路径约束,并基于这组路径约束生成更加高效的求解策略,第二阶段则使用生成的求解策略;（2）提出了基于一组路径约束生成更高效的求解策略的方法,该方法通过使用两个离线训练的深度学习网络在保证生成的求解策略的质量的同时有效的减少了生成求解策略的代价;（3）在两个符号执行工具KLEE和JPF上实现本文提出的方法并验证方法的有效性及泛化性,本文使用在固定时间内符号执行工具探索到的路径数和求解的公式数评估方法是否有效,最终的实验结果表明本文的方法可以有效的提高符号执行的效率,且具有泛化能力。