当今世界,信息技术飞速发展,计算机软件在人们生活中变得不可或缺,软件的质量对日常生活甚至社会发展都会产生重大影响。人们对软件产品的依赖程度越来越深,对软件质量的要求也越来越高。对软件生产者来说,低质量的软件会因维护成本高丧失市场竞争力,而高质量的软件能够赢得消费者的信赖从而带来更好的经济效益。软件测试成为了保证软件质量的重要手段,通过软件测试,测试人员可以及时地发现软件缺陷并提交纠正。在软件测试过程中,集成测试是为了检测各模块之间能否正常地协同工作。类是面向对象程序的基本单位,且类间存在依赖关系。按照不同的顺序测试类,测试代价也是不同的。所以测试人员需要确定一个合理的类测试序列,以期减小测试代价。研究者们提出了多种方法生成类集成测试序列。然而,某些基于启发式算法的方法还存在一些不足,比如寻优能力不强导致生成的类集成测试序列的测试代价还比较大。本文对现存的某些不足进行了优化改进,提出了两个类集成测试序列生成方法。遗传算法和粒子群优化算法随机初始化种群导致进化带有盲目性,对此本文提出了一种基于初始种群优化的类集成测试序列生成方法。首先,引入一个约束条件:不允许打破类间的强依赖关系。然后,提出多叉树的构建算法,组成多叉树森林。最后,按随机顺序层次遍历森林中的每棵多叉树,生成满足约束条件的个体并组成初始种群。实验结果表明,该方法能够在不失随机性的同时生成整体质量较高的初始种群,引导遗传算法和粒子群优化算法生成测试代价更小的类集成测试序列。粒子群优化算法在进化过程中容易早熟,本文提出了一种基于梦境粒子群优化算法的类集成测试序列生成方法。类测试序列作为粒子且有做梦能力,每次进化分为两个阶段——白天和夜间。白天阶段,粒子从前一晚的位置正常移动。夜间阶段,粒子进入梦境,根据各自做梦能力扭曲当前位置。如此,粒子能够在当前位置附近进行搜索。算法的收敛速度减缓,避免过早陷入局部最优。实验结果表明,该方法生成的类集成测试序列的测试代价较小。此外,实现了一个针对Java程序的类集成测试序列生成工具EvoCITO,该工具使用本文提出的两种方法生成类集成测试序列。