测试用例的自动生成是软件测试自动化的一个重要环节,是提高软件测试效率、减少软件开发成本、保证软件质量的重要手段。在面向路径的测试用例自动生成方法中,传统的随机法、静态法、动态法等技术存在效率低下,过程复杂,解决问题不完备等缺陷,遗传算法在测试用例的生成上虽然具有优越性,但是需要进行编码解码,操作复杂,使得运行效率有所降低。如何快速、有效地生成符合条件的测试用例具有非常重要的理论意义和现实意义。粒子群算法(Particle Swarm Optimization,简称PSO)收敛速度快,简单易用、通用性强,为解决面向路径测试用例的自动生成问题提供了一条新的途径。但该算法也有局部搜索能力差,搜索精度不高,容易陷入局部极值等缺陷。本文为了克服缺点对算法进行了改进,提出一种基于具有混沌局部搜索的自适应粒子群优化算法(Adaptive Particle Swarm Optimization with Chaotic Local Search,APSOCLS)的测试用例自动生成方法。重点工作如下:1、采用自适应策略:惯性权因子是影响算法收敛性和搜索性能的关键,本文结合粒子的适应度和粒子聚集度制定了自适应调整策略,平衡算法的全局探索能力和局部改良能力,提高算法收敛速度和精度。2、加入混沌局部搜索(CLS):用混沌局部搜索解决算法局部搜索能力差,在局部极值收敛速度慢和极值附近震荡的问题。为提高混沌搜索的速度和精度,文中采用分布更均匀的Tent映射,并尽量避免其陷入自身小周期和不动点。3、设计面向路径测试用例生成的算法,提高生成测试用例的效率。最后,对文中测试用例的生成模型进行验证,从生成测试用例所需的迭代次数和运行时间两个指标进行衡量,同现有的PSO算法和免疫遗传算法相比较,实验证明,基于具有混沌局部搜索的自适应粒子群算法在测试用例自动生成效率上有所提高。为使研究更具有实用价值,以上述研究为基础,采用VB语言开发了基于APSOCLS算法的面向路径测试用例自动生成实用工具,运行该工具可以为指定路径自动生成测试用例,具有一定的实用性。