近年来随着云计算与软件定义网络的发展,越来越多的学者在研究云网融合以及相关技术,同时云网环境下软件测试的规模变得庞大、测试内容也越来越复杂。首先,为了能够在较短的时间内更快的定位软件系统的故障,需要从大量的测试用例集合中选出优先执行的测试用例进行测试。遗传算法作为经典的寻优算法,可以在测试用例优先选择问题上发挥其作用,但遗传算法的寻优能力受其参数的影响较大,因此本文使用强化学习方法对其交叉率参数进行了优化,以此提高算法性能。其次,本文以Open Stack和Open Daylight云网融合平台为被测对象,结合Selenium和Python单元测试框架Unittest设计并实现了相应的自动化测试框架,用于提高回归测试效率。本文主要工作内容如下:（1）为了提高云网融合平台的回归测试效率,本文提出了一种基于强化学习和遗传算法的测试用例优先选择方法。首先对经典遗传算法的种群初始值和选择操作进行了改进,本文将蚁群算法的解作为遗传算法的部分初始种群,并在选择过程中使用“精英保留策略”,解决了经典遗传算法易陷入局部最优解的问题;其次为了获得更适合算法中群体进化的交叉概率参数,本文用强化学习方法改进了经典遗传算法中的交叉概率参数;最后将改进的算法应用于云网融合平台的测试,分别对经典的遗传算法、蚁群遗传算法和基于强化学习的蚁群遗传算法的寻优能力进行了对比和分析。（2）在自动化测试过程中,测试人员在编写测试用例脚本时存在高耦合、低内聚等问题,导致了测试用例脚本的复用率低并增加了维护难度。因此本文通过分析和总结云网融合平台的各项需求,基于Selenium测试工具设计并实现了一套符合云网融合环境的自动化测试框架。研究结果表明,在测试用例优先选择问题上,本文提出的基于强化学习的蚁群遗传算法有较好的寻优性能。本文的自动化测试框架是基于Page Object和数据驱动设计模式进行设计的,拥有低耦合度、高复用性和生成HTML测试报告等优点,能够有效地减少测试成本。