软件测试是保证软件可靠性的重要手段，在软件开发周期中起着非常重要的作用。而测试数据的生成是实现软件测试自动化的关键，这一技术的实现可以很大程度的减少用于软件开发的时间和费用，因此寻求有效的测试数据自动生成方法依然是一个亟待解决的问题。粒子群算法和遗传算法作为一种优化算法，它们通过模拟个体的适应性，利用构建的变换规则在解空间内搜索最优解，是一种很好的测试数据自动生成方法。目前仅凭单一的算法和自身的操作往往不能有效地开发和探测算法的性能。针对这一问题，本文在改善算法自身性能的情况下对两种算法进行组合，以增强算法的搜索性能，从而提高测试数据自动生成的效率。本文主要工作如下：（1）分析遗传算法，在其选择算子中引入最优保存策略并对其进行改进，建立动态可变参数的测试数据自动生成工具。通过该工具的可视化界面动态地输入遗传算法参数，而且能够根据不同的路径选择输入相应的适应度函数，克服了以往适应度函数在源代码中修改的缺陷。（2）分析粒子群算法，在其进化方程中约简粒子速度项，仅通过粒子位置更新完成进化过程。结合粒子的适应度和粒子聚集度，制定自适应调整策略，并分别采取不同的方法设置惯性权重值，使粒子动态地自适应调整惯性权重值，从而平衡算法的全局探索能力和局部改良能力，提高算法收敛速度和精度。（3）设计遗传算法和粒子群算法的混合优化算法，并应用于面向路径的测试数据自动生成中。本文以改进的遗传算法为基础，将改进的粒子群算法作为遗传算法的一个重要算子，实现最优解的快速搜索，并通过5个基准程序和4个工业程序验证本文算法的有效性。