基于模型的软件测试凭借其测试生成效率高、易于实现等优势,在自动化测试领域受到了广泛关注。扩展有限状态机EFSM模型是诸多软件模型中的一种,然而,EFSM模型测试覆盖准则存在的局限性影响了 EFSM模型测试用例的故障检测能力,同时,EFSM模型的测试效率随软件规模的增大而降低。因此,提高EFSM模型测试生成的有效性及效率已成为目前基于模型的软件测试的研究热点。本文针对目前EFSM模型测试生成有效性较差和测试生成效率较低的问题,提出了一种面向多样性的EFSM模型测试用例生成方法(Diversity-oriented EFSM test suite generation method,DOTSG)。本文根据EFSM模型及其测试用例特点,分析了导致EFSM模型测试用例间存在差异的影响因素,并量化各因素给出了 EFSM模型测试用例差异性和EFSM模型测试用例集多样性的度量方法。为了将EFSM模型测试用例集多样性度量引入基于遗传算法的EFSM模型测试序列生成中,进一步给出两种EFSM模型测试用例集多样性优化策略。同时,从个体编码、遗传操作算子和个体可行性判别三方面对遗传算法过程进行优化,使得遗传算法能够更适用于面向多样性的EFSM模型测试用例生成,以在满足测试覆盖准则的前提下,生成可执行且多样性较好的EFSM模型测试用例集。为评估方法有效性,本文选取了六个EFSM模型作为被测对象,面向全迁移覆盖准则进行基于遗传算法的面向多样性的测试用例生成,并分别从测试用例的故障检测能力、测试生成效率和测试用例集规模三方面进行了对比和分析。实验结果表明,在满足全迁移覆盖准则的前提下,本文DOTSG方法是可行且有效的。同时,相比于传统EFSM模型测试生成方法,DOTSG方法不仅在测试生成效率和测试用例的故障检测能力上有显著提升,而且能够在一定程度上缩小测试用例集规模。