随着软件技术的发展和软件项目规模的不断扩大,软件测试的作用越来越重要。在软件测试中,测试数据的选择是进行测试的一个难题,测试数据合适与否直接关系到缺陷能否被预期测出。对于测试数据自动化生成方法,目前虽然有一些方法被提出并使用,但由于其局限性,在实际中还没有完善的解决方法,只能凭借工程经验判断。在此背景下,本文对比了几种遗传算法的优缺点,并对退火免疫遗传算法在测试数据自动生成方法中的应用进行了分析与研究。本文首先介绍了软件测试技术和数据生成方法。介绍了软件测试的概念、目的、原则、分类及其测试过程,并着重介绍了现有的各种测试数据的生成方法:随机数法、Korel法、试探法。最终确定使用遗传算法作为实现测试数据自动生成的核心算法。接着,本文对简单遗传算法、模拟退火遗传算法、免疫遗传算法各自的特点进行了分析和研究,针对简单遗传算法容易产生早熟收敛、个体多样性差等问题,采取了退火免疫遗传算法(AIGA)作为测试数据自动生成的核心算法。该算法使用期望繁殖率代替适应度来决定个体的繁殖机会,同时使用退火温度T对期望繁殖率进行调节。最后使用三角形分类程序TRITYP作为例子,生成该程序的测试数据,并对实验数据进行了对比和分析。