随着计算机在人类生活中占据越来越重要的地位,作为计算机中至关重要的组成部分,软件的质量问题对人的影响也越来越大。软件的错误会造成非常严重的后果,因此,作为发现软件错误,保障软件质量的重要手段,软件测试技术在软件工程和计算机科学中的地位也日益重要。作为软件测试中非常重要的环节,测试用例生成技术也一直是科研领域的热点之一。然而,现有的测试用例生成技术存在着比较明显的问题:良好的测试用例生成方法需要手工完成,效率低下,耗时较长;耗时很少的自动化方法,生成的测试用例集合的质量却不高。自动化地生成高质量的测试用例集合,是测试用例生成领域的一个重要的课题。本文在随机测试方法的基础上,利用不变量技术的特性,提出一种新的方法。在保留随机方法优点的基础上,利用不变量改进随机方法的缺点,并且在该技术的基础上实现了一个框架工具CRT。本文主要的研究内容包括:1)利用提取到的程序不变量来判定测试用例的有效性,过滤无效用例,有效降低最终用例集合的冗余度;2)利用程序不变量和无效用例进行无效用例空间的约简,减小被测函数参数的取值区间,提高有效测试用例被选中的概率,进一步提高用例生成的效率。3)提出两种提高测试用例生成效率的方法——利用优化算法遗传算法的思路提高测试用例集合的收敛速度;将不变量结果转化为断言进行新用例有效性的判断,降低时间开销,提高生成速度。不变量指导下的随机测试用例生成技术可以完全实现自动化。实验证明,在不需要任何人工操作的前提下,该技术可以自动生成满足覆盖率要求的适当大小的测试用例集合;与纯随机方法相比,本文方法得到的测试用例集合冗余度低,覆盖率高,且揭示程序错误的能力更强(大部分情况下,最坏情况下与传统随机方法相同)。本文提出的与遗传算法结合的方法能够很好地提高有效用例的生成速度。