随着软件产品的应用越来越广泛，软件的复杂程度不断提高，规模日益庞大，软件产品的质量问题已成为软件研究的热点问题。软件测试作为软件质量得以保证的一种重要手段，已成为时下研究的重点之一。　　测试过程的复杂性导致软件测试过程当中需大量的人力、物力及时间的投入。在软件测试过程当中，软件测试自动化是确保软件质量和降低软件开发成本的重要手段之一。测试用例的自动生成则是软件自动测试的基础，同时也是解决软件自动测试问题的关键。　　近来人们将遗传算法或其他的一些人工智能算法应用到了测试数据自动生成当中，并取得了一定的成效。遗传算法是一种模仿生物遗传和进化机制的优化算法，其是通过模仿遗传基因的一些行为如选择、交叉和变异来对问题进行求解的一个过程。研究指出，在搜索初期遗传算法具有较强的全局搜索能力，可通过调节遗传算子达到一个广度搜索的目的。当处于搜索后期时，由于遗传算法局部搜索能力不强，将导致其不能快速收敛的缺陷。粒子群算法也是一种基于群体的搜索算法，其源自于对鸟类捕食行为的研究，其特点是具有较强的局部搜索能力，但全局搜索能力不够强。本文提出了一种能够综合这两者优势的GA-PSO算法，该算法充分的利用了遗传算法以及粒子群算法的优势，算法的核心思想在算法的运行过程中，其首先从遗传算法中得到较优的粒子，然后将这些较优的粒子转移到粒子群算法中进行一个高效快速找的搜索并最终得出最优解。　　文中以三角形类型判别程序为例对基于混合算法的测试数据自动生成进行了实验，同时也对单独遗传算法和单独粒子群算法进行了分析和对比。实验结果表明，混合算法的测试数据自动生成非常有效，能够高效的完成指定路径的测试数据的自动生成。