软件测试是软件开发过程中非常重要的部分。随着软件的规模越来越庞大,花费在软件测试工作的时间、人力、物力也越来越多。测试用例集的数量及每个测试用例的运行代价决定着软件测试的成本以及效率。在保证软件测试的质量和对软件关键操作进行充分测试的前提下,如何使用代价小且尽可能少的测试用例来充分测试软件,从而降低软件测试的成本和提高测试效率是本文研究的重点内容。解决测试用例集约简(Test Suite Reduction)的问题有两种途径:一是进行测试用例的选择;另一种则是测试用例集约简技术。测试用例的选择就是从原始用例集中选择出一个测试用例子集,能够覆盖所有的修改,但这种方法一般不能提供与原始测试用例集一样的测试覆盖度。本文主要关注的是第二种方法:即在原始用例集中,找到一个近似运行代价最小的测试用例子集,并能够提供跟原始测试用例集一样的测试覆盖度。为了尽量减少软件测试的费用,我们在做测试用例集的约简时,其目标不仅是减少用例的个数,还必须考虑测试用例的运行代价,并且每个测试用例的运行代价是不相等的。为了解决此问题人们提出了许多种方法:贪心算法、HGS算法、GRE算法等。但这些方法都相对存在着一些不足,如贪心算法和HGS算法的求解结果精度低,GRE算法存在求解速度慢的问题。本文在分析、总结已有的基于测试需求集的算法基础上,提出了一种能得到近似最小运行代价的测试用例集的约简算法。该算法在基本蚁群算法(Ant Colony Algorithm)的基础上引入遗传算法的变异因子(简称TSR-ACA算法),增加了蚂蚁搜索的随机性、快速性和全局收敛性,避免了早熟停滞的缺陷。该算法实现起来快速简单,是一种可以在求解速度和求解精度之间寻找平衡点的一种算法。最后,本文针对测试用例集约简问题中蚁群算法的参数值的取值问题进行了仿真实验计算,并和其它几种经典算法进行了比较。实验结果表明本文提出的遗传蚁群混合算法能快速得到近似最小运行代价的测试用例集,能有效降低软件测试的成本。