测试数据是软件测试输入的来源,可靠的测试数据能快速有效地得到需要的结果,否则将会造成测试效率低下,导致恶性循环测试。因此,测试数据生成问题的关键是如何获得高效高质量的测试数据。研究更高效的测试方法是获得优质测试数据的关键,不同的研究对象,采取的测试方法会有较大的差异。面向路径覆盖生成测试数据是一类典型的测试方法,其研究对象是程序的执行路径,根据路径生成满足条件的测试数据。按照复杂性进行划分,路径覆盖测试问题可分为单目标路径覆盖问题和多目标路径覆盖问题,二者都是根据程序路径生成测试数据的测试方法。遗传算法在路径覆盖测试中的应用很广,常用于搜索满足条件的测试数据。本文在单目标路径覆盖问题和多目标路径覆盖问题中均采用遗传算法,并提出了相应的测试数据生成方法。针对目前众多的路径覆盖方法较少考虑被测程序中各语句执行难度差异性的问题,提出接触向量的概念,将其与层接近度思想结合,引出接触式层接近度方法,用于生成测试数据。在设计适应度函数时将该方法作为其中的一部分,加速测试数据的生成,提高目标路径测试数据生成的效率。提出一种改进的个体信息共享的多目标路径覆盖方法,该方法对个体共享策略进行了改变,使用接触式层接近度构造适应度函数。该方法在实施多种群遗传算法前期,根据种群对目标路径集的覆盖效果,对种群进行了排序处理,让覆盖效果好的种群先执行,制定了种群排序策略。针对由于难覆盖路径的存在而可能导致的效率低下问题,进行了难覆盖路径的处理。基本思路是首先计算已有的成功覆盖该目标路径的个体的关系矩阵,然后将此关系矩阵作为之后的遗传算法个体的筛选目标,直到找到关系矩阵符合目标矩阵的个体出现。最后的实验结果表明,测试数据的生成效率得到了有效的提高。本文通过对多路径覆盖问题进行研究,在提出的多目标路径覆盖方法中,首先对个体信息共享策略作了一些改进,其次在多种群遗传算法中对种群集进行了排序处理,最后针对难覆盖路径问题提出了一种处理方案,有效地提升了算法生成测试数据的效率。