随着软件行业在各个领域的广泛应用,人们对软件可靠性的要求不断提高。作为保障软件可靠性最重要的手段,软件测试所受到的关注也日益增加。投入更多的测试资源显然是提高软件测试产出的有效途径,然而在实际软件开发中,有限的测试资源是开发团队不得不面对的问题,开发成本与可靠性之间也存在不可回避的矛盾。因此,如何在有限资源条件下控制软件测试并实现软件成本与可靠性的平衡,成为软件开发的一个重要课题。在过去的二十余年中,曾有大量研究人员通过研究模块化软件的单元测试过程以试图寻找资源调配优化策略解决这一问题,研究者们希望在对成本做出限制,或是对可靠性做出限制的条件下,对余者进行最优化。实践表明,这一工作是卓有成效的。然而,随着软件规模的不断增长,软件开发方法不断进步,软件结构越发复杂化,单纯的单元测试级的研究已无法满足软件整体测试的需求,研究人员开始对复杂软件结构中调配测试资源以平衡软件测试资源与软件可靠性的问题进行摸索研究。本文针对上述问题,以串联-并联混合软件模型为实验案例,建立了以期望测试成本与风险成本为基础的软件测试成本模型,利用遗传算法对加权和模型进行优化求解,并通过交互式遗传算法与模糊模式识别建立了基于决策者偏好的多目标寻优策略,主要内容如下:1.讨论了软件期望测试成本与风险成本为基础的串联-并联混合结构软件测试成本模型;2.基于加权和方法,利用遗传算法对测试成本与可靠性的多目标寻优问题求解,并研究了加权参数及测试资源冗余对寻优的影响,为加权参数的取值方法提供了有效的参考;3.在加权和方法研究的基础上,通过对交互式遗传算法及模糊模式识别的研究,建立了基于决策者偏好的多目标寻优策略,提高了寻优的实用性。