对于软件开发和维护人员来说,软件调试是日常性的工作。一般而言,软件调试过程包括错误定位、错误理解和错误更正。不幸的是,软件调试极其费时、费力,实证研究证实软件调试的开销己经超过软件开发费用的50%。为了应对这一挑战,人们提出软件调试的自动化处理,并且对其展开了广泛而深入的研究。但是,由于软件本身的复杂性,软件演化等原因,目前的自动化软件调试方法存在一些问题,如调试结果的质量不高,调试方法的适用性不强等。为了克服这些困难,进一步改进自动化软件调试方法,本文对软件调试展开了三个方面的研究,具体内容如下:基于模型诊断（MBD）的智能诊断理论应用到软件错误定位中取得了一定的效果。但是经典MBD理论基于元件间独立地发生故障这一假设,导致软件错误定位的结果中存在假阳性的诊断。论文对现有基于MBD的软件错误定位方法进行了改进,提出了冲突中元件的冗余分析方法。该方法既包括了基于Craig插值的元件冗余分析机制,同时利用条件语句取值的二元性（真或假）的特点,对冲突中的条件语句元件进行软件错误的无相关分析。实验结果表明:冲突中的元件冗余分析方法可以有效地减少诊断的假阳性率,将诊断结果数减少了 48.4%;在诊断计算过程中,碰集树生成的结点数减少了 47.6%.为了缓解由于软件演化造成的失效测试用例的维护困难,人们提出自动的JUnit单元测试用例修复方法。现有的JUnit测试用例修复方法仅仅通过修复断言和方法声明来对测试用例进行修复。实证研究表明,在实际的测试用例维护中,往往需要新的方法调用序列。本文给出一种修复JUnit的单元测试用例方法框架TestFix,该方法可以通过合成一方法调用序列来对单元测试用例进行修复。具体而言,TestFix将方法调用序列的合成问题归结为搜索问题,利用遗传算法对其求解。对真实项目中失效测试用例进行的修复实验表明,该方法能够通过增加、删除方法调用来对失效的JUnit单元测试用例展开修复。与此同时,对基于遗传算法的测试用例修复方法与基于完全随机算法的方法在性能进行了评估比较,结果发现,基于遗传算法的测试用例修复方法在性能上要优于基于完全随机算法的方法。基于搜索的自动程序修复方法利用遗传编程或完全随机的搜索方法搜索得到带bug的程序修复解,此类方法本身的随机性容易产生无意义的修复结果。基于变异枚举的方法借用了变异测试的思想,利用几个变异算子对出错语句进行变异操作来获得修复解。由于该方法缺乏文法指导及变异算子数量的有限,使得修复成功率不高。借助演示编程（Programming by Demonstration）的思想,提出一种基于变型空间代数的自动程序修复方法,具体而言,将程序的回归测试用例集看作训练实例,通过归纳学习得到的变型空间即包含了修复解。为此,对变型空间代数进行以下改进,（1）自动从文法到变型空间的构造生成方法,（2）根据变型空间的不同类型给出不同的定义,（3）结合类型检查机制的变型空间代数运算。实验结果表明:与基于代码枚举及基于搜索的修复方法相比,基于变型空间代数的自动程序修复方法在修复成功率方面更具优势;与此同时,方法中的类型检查机制可以有效地削减假设空间的规模。