项目研究基于云理论和灰色模型的可信软件可靠性评估关键技术，在分布式平台上构建并行测试架构，结合智能搜索算法，在软件自动化测试过程中解决测试数据生成、测试数据约简和测试数据扩增等可靠性问题。

（1）搭建可靠性评估及预测框架，将云重心评判法引入到软件可靠性评估中，利用随机抽样一致性算法改进灰色模型，以用户提供的软件故障数为样本集进行预测。

（2）结合变量切片和关联规则提出一种新的错误定位方法，利用切片位置信息构造事务数据库，再由排序策略生成检查语句优先级次序，据此定位错误出现的位置。

（3）提出了整数线性规划与遗传算法相结合的混合求解算法，基于整数线性规划，选择待测程序实体的覆盖量最大且满足时间约束的测试用例集，该算法有助于尽早发现软件缺陷，降低回归测试成本。

（4）提出一种新的静态软件胎记提取算法，通过源程序和可疑程序的预处理获取程序的应用程序接口调用集合和指令序列，计算源程序与可疑程序的软件胎记之间的相似度。

（5）提出了一种基于弱变异准则的测试用例约简方法，基于弱变异准则，得到包含变异分支的新程序，判别测试用例和变异分支的覆盖情况，获得约简后测试用例集。

（6）提出了一种基于细菌觅食算法的改进算法，引入Kent混沌映射对细菌的初始位置进行均匀性分布，有效提高生成测试用例的效率。

（7）提出一种基于搜索的分层回归测试数据集扩增方法，采用文化基因算法对目标集中方法生成测试数据。

（8）提出了一种基于Selenium页面对象设计模式和图遍历算法的Web应用测试用例生成方法。进一步提高了页面对象的复用率和测试用例的可维护性。