软件测试是运行或测定软件系统的过程,是保障软件质量的重要手段。近年来,软件测试自动化得到了快速的发展,但测试用例的自动生成技术还不够完善,存在着目标路径覆盖不全面、测试用例生成效率低等问题。本文通过对人工智能技术进行分析和研究,以提高软件测试用例生成中的目标路径覆盖率和生成的效率。文章共分为三个部分:(1)提出了改进遗传蚁群算法,解决了测试用例自动生成中路径覆盖率低的问题。首先构建改进蚁群模型,先将蚁群分为工蚁和后勤蚁。工蚁根据伪随机规则选择路径并释放信息素,后勤蚁根据工蚁释放的信息素浓度,选择并构建最优路径;然后为了解决蚁群初始信息素匮乏的问题,引入遗传算法来初始化改进蚁群算法的信息素;将适应度函数改进为分支距离和路径重合度之和;最后通过三角形判别程序对标准遗传算法、改进遗传蚁群算法进行实验和分析,通过实验设计和实例分析验证了改进遗传蚁群算法提高了目标路径的覆盖率。(2)利用强化学习技术自动生成测试用例,提高了测试用例生成的效率。首先在改进蚁群算法模型中添加观察蚁,对工蚁选择路径的行为作出评价,并基于强化学习技术对各节点的信息素浓度值进行更新;然后构建基于强化学习的遗传蚁群算法的整体框架和测试用例自动生成系统模型;最后通过三角形判别程序对标准遗传算法、改进遗传蚁群算法和强化遗传蚁群算法从最优迭代次数、平均精确度和产生最优解的个数等指标上进行分析和总结,实验验证了基于强化学习的遗传蚁群算法在提高软件测试用例生成效率上的可行性和高效性。(3)将基于强化学习的遗传蚁群模型应用于电影购票系统中。分析系统功能并选用用户登录、用户搜索电影和管理员删除电影三个程序设计实验,统计并比较标准遗传算法、改进遗传蚁群算法和基于强化学习的遗传蚁群算法在软件测试用例自动中的目标路径平均覆盖率、运行时间、迭代次数等性能指标,实验结果表明,基于强化学习的遗传蚁群算法用于测试用例自动生成上具有适用性与高效性。