有效的软件测试是保证软件质量的关键一步，测试是软件开发过程中必不可少的阶段，测试结果的好坏与软件产品的质量直接相关。自动化测试减少了测试人员手工测试的工作量，提高了测试效率。测试数据自动生成技术是软件测试自动化的关键技术之一，使用该技术明显提高了软件测试的效率。因此研究自动生成测试数据对实现软件测试自动化有着重大的意义。遗传算法是模仿生物进化过程的一种启发式搜索算法，借鉴生物学中的适者生存、优胜劣汰原理，用到算法的求解过程中。蚁群算法是模拟蚂蚁们寻找食物的过程，蚁群算法常用来在图中寻找优化路径，目前的研究表明蚁群算法具有许多优良的性质。由于遗传算法的局限性，即它的局部搜索能力较差，在进化后期容易早熟。再者，遗传算法的三个遗传因子的取值不同也会对搜索到的解有影响，但是遗传算法具有可扩展性，容易与其他算法结合。同时，蚁群算法的局部搜索能力较优，当迭代进行到一定代数时，会出现局部路径上的信息素浓度过大，而多数其他路径上的信息素浓度很小的情况，这样就会生成重复无用的数据。因此，本文将遗传算法中的交叉操作引入到蚁群算法中,提出采用遗传蚁群混合算法来提高算法在搜索最优数据方面的性能，扩大了蚂蚁的搜索区域进而生成多样化的测试数据。通过实验验证得出结论：用混合算法生成的测试数据冗余小，有效性高。