在过去的40年里,人们提出了许多软件可靠性模型。它们被用于软件预测和评估中,同时也被用于软件工程中相关的决策制定,比如软件发布时间和软件系统模块的测试资源分配最优化。然而,为了数学上的简便,很多提出的模型是基于一些不合理或过于简单的假设,这些会大大限制它们的实际应用和可靠性估计及预测精度。这些不合理的假设包括:完美调试,故障立即修复,软件失效独立等等。人们做出了很多努力来放宽这些假设,提出了很多改进的或新的模型。本文对软件可靠性模型及其参数估计方法进行了创新性和探索性研究。主要内容为:1.研究了Trivedi等提出的针对失效相关性的软件可靠性建模框架,提出了一个模型参数的关系函数,它可以减少待估计参数的数量,同时可用来做软件可靠性预测。基于测试所得数据的不同类型,我们使用了两种使用最大似然估计的参数估计方法。2.一般的非齐次泊松过程类模型存在的问题是假设条件过于理想化,实际应用环境难以满足。本文使用更加合理的假设条件并在G-O模型基础上进行改进,建立一种可以考虑非完美调试,故障修复时间与故障相关性的软件可靠性模型。3.针对软件可靠性模型的参数估计较困难的问题,本文开发了一种改进的遗传退火进化算法。首先,它对Matlab中的遗传算法进行改进,使产生的初始种群更加合理。然后,将常规的模拟退火算法进行改进,根据遗传算法所得的全局信息,对其中的新解产生器和冷却进度表进行优化。最后,将模拟退火算法作为一个独立的算子,嵌入到遗传算法中。