软件测试是软件开发中非常重要的一项任务,能帮助开发者全面、快速地找到软件漏洞,从而有效提升软件质量和用户体验。设计和选择合理的测试用例,可提升软件的测试效率,减少开发人员的工作量。随着软件功能的不断完善,其规模和复杂度不断增加,传统用例生成方法效率较低,很难满足目前软件测试的需求,故而,如何提高测试用例生成效率仍需进一步研究。基于此,本文针对路径覆盖测试用例自动生成效率问题展开探讨。针对回归测试中相似程序间的用例生成问题,提出一种重用变更前相似程序的测试信息,并通过设计的适应度函数为变更后程序进化生成新用例的方法。该方法利用构建的函数调用图来识别关键函数,根据关键函数的相似性来进行程序相似部分的检测,并使用函数影响力设计适应度函数来调整个体的适应度值,保留适应度值高的优秀个体。再通过重用变更前相似部分的用例,以及进化生成的变更后的部分用例,来构成回归测试中新程序的用例。实验结果表明,在中小规模和大规模工业程序上的目标路径覆盖率上,利用函数影响力的相似程序间测试用例重用与生成方法均优于其它对比方法。针对非回归测试中相似程序间的用例生成问题,提出一种基于门控图神经网络的相似程序间用例的重用与生成策略。先利用程序的数据流和控制流构建门控图神经网络模型,该模型可用来获取被测试程序中的信息,从而更高效地生成模型的特征矩阵。将二元交叉熵函数直接嵌入到解码模型中,以检测程序相似性。再在进化过程中引入相似程序中适应度较高的测试用例,使种群个体不断地与这些用例交叉,从而快速覆盖目标路径。实验结果表明,在目标路径覆盖率上,基于门控图神经网络的相似程序间用例重用与生成方法比其它对比方法更有效。本文对相似程序间的测试共享问题展开研究,以提高测试用例生成效率。一方面,检测程序变更前后的相似性,利用函数影响力作为适应度函数,对进化过程中的个体优劣进行判断,并重用相似部分的测试用例,这使得用例在测试中得到充分利用;另一方面,通过构建基于门控图神经网络的程序相似性检测模型来度量程序间的相似性,并在进化过程中引入相似程序的用例以提升用例生成效率。这对测试用例生成方面的研究起到非常重要的指导作用。