随着软件系统复杂度的提高，使得影响软件运行的因素越来越多，这些因素以及因素间的交互作用很可能引发软件故障，从而影响系统的正常运行。如何科学、有效的检测出由因素及因素间的交互作用所引发的软件故障，成为了软件测试尤其是黑盒测试中的一个重要问题。组合测试就是解决该问题的一个行之有效的方法，可以以较短的时间生成规模较小的测试用例集，来检测因素间的交互对软件系统运行的影响。基于参数顺序渐进扩充策略IPO（In-Parameter-Order）是组合测试领域中的一种具有代表性的通用算法，其优势在于水平扩充算法的可选择性和测试用例集的可扩展性。　　 本文以高效的生成组合测试用例集为目标，在对IPO策略进行了充分、细致研究的基础上，结合IPO策略可扩展性，提取出影响IPO策略具体实现的算法参数，提出了新的可配置的IPO框架，使得对IPO策略的理解更为深入，并使其实现更为灵活；结合IPO策略的水平扩充和垂直扩充均可进行算法局部优化的特性，将遗传算法（GA）集成至可配置IPO框架的水平扩充部分，结合两种算法的优点，得到一个新的组合测试用例集的混合算法IPO_GA，为用IPO策略生成组合测试用例集提供了一种新思路。　　 论文的具体研究工作主要包括以下几方面：　　 （1）研究和分析IPO策略的优点和弊端，结合其可扩展特性，提取了影响IPO实现的算法参数，实现了可配置的IPO框架；　　 （2）深入研究和分析了如何用遗传算法生成组合测试用例集，结合IPO策略中水平扩充和垂直扩充均可进行局部优化的特性，在可配置的IPO框架中应用遗传算法进行水平扩充，得到了新的组合测试用例集的混合生成算法IPO_GA；　　 （3）为更方便的对相关算法进行研究，实现了基于原IPO策略、原遗传算法、可配置的IPO框架和IPO_GA的自动化测试用例集生成工具；　　 （4）对可配置IPO框架中各参数对算法实现的影响进行了实验和分析，并将IPO_GA与部分已有算法进行比较。