软件测试是一种通过触发软件中存在的缺陷来提高软件质量的技术,其核心关键是寻找一种合适的方法来获得具有优良的纠错能力的高质量测试用例集。变异测试是基于缺陷植入的一种测试技术,它不仅可以作为评价测试用例的标准,还能在生成测试用例的过程中指导生成高质量测试用例集合。但是,现有变异测试技术存在众多的变异算子,使用众多变异算子会呈指数级地生成相应数量的变异体,从而导致昂贵的测试代价,严重影响了将这一技术用于实际的测试活动中。因此,降低现有的变异测试代价是非常有必要的。通过在不影响变异得分的情况下约简变异算子集合,有助于提高生成测试用例的效率。本文基于变异研究新的测试用例生成方法,从而能够得到较短测试用例长度、较高测试覆盖率、较高变异得分、较强Bug检测能力的测试用例最优集。首先,针对变异体数量的问题,本文提出一个基于Selective Mutation的变异算子选择策略。从变异测试常用工具Mujava的19个变异算子中,选择出一个变异算子子集。该子集仅包含5个变异算子AOIU、AOIS、ROR、AORS、AORB,使用该子集获得的测试用例能够在全集的变异体上获得95%以上的平均变异得分。因此,使用该子集代替全集,能够极大的降低变异体的数量,从而降低变异测试的开销。然后,本文提出了一种基于变异测试的测试用例集生成方法,同遗传算法进行结合,重新定义了测试用例集的交叉算子和插入、更改、删除算子,并设计了对测试用例进行约简的策略,最终能够获得长度较短,覆盖率较高,变异得分较高的测试用例集合。最后,针对本文所提出的基于变异技术的测试用例自动生成及优化算法,设计对比实验验证了本文算法在减少变异体数量和较少生成测试用例长度上的有效性,并和业界常用测试用例生成算法在覆盖率,变异得分,测试用例长度上进行了对比。本文的研究成果丰富了变异测试的技术和方法,约简了变异算子集合,降低了变异测试成本,提高了测试用例的生成效率。