在软件产品线(SPL)工程中,尽早地对领域工程所创建的核心资产及其可能的组合进行测试是一个值得推荐的策略。这个策略能够有效保证在应用产品工程阶段所开发出来的应用产品的质量,从而保证整个软件产品线项目的成功实施。特征驱动(feature-driven)方法是软件产品线中较常采用的方法,它以特征模型为核心描述领域的共性与可变性,并支持从业务的视角对领域可变点进行组合。同时,对这些特征组合的测试能够尽早发现潜在的由特征交互引起的软件错误。组合测试(CIT)是避免组合数量爆炸问题的一种抽样技术,可用于生成待测的特征配置。然而,生成的每一条特征配置都对应一个软件应用产品,测试的成本依然很高,因此应该进一步地考虑优先级对生成的特征配置集合进行排序,从而帮助测试人员合理分配有限的时间和经费。针对这些关注点,本文提出一个面向软件产品线的考虑优先级的特征配置生成框架。框架的核心算法遵循CIT技术,且基于二维组合测试覆盖标准。此外,该框架还考虑每一个特征配置对产品线测试的重要程度,以此来对生成的特征配置集合进行排序。具体而言,该框架作用于一个具有权重信息的特征模型,框架本身包括特征模型扁平化、配置模型转化、约束推导和P-CIT算法执行这几个活动。P-CIT是可采用的具体的组合测试算法的统称,在配置生成过程中可根据实际需求对这些算法进行选取。目前本文提出的具体算法包括P-AETG和P-PICT。这两种算法分别是在AETG和PICT基础上引入优先级因素后改进的算法。基于这个框架,我们分别使用这两种不同的算法展示了为一个在线考试产品线生成特征配置的过程。另外,我们也使用框架及算法对SPLOT网站上提供的特征模型进行实验分析,通过实验的结果对框架的性能和有效性进行评估。