1.一种基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，根据测试用例集、回归测试历史结果和软件的故障级别，建立测试用例故障矩阵，根据测试用例故障分布信息对测试用例故障矩阵进行二进制编码，在此基础上，计算测试用例距离矩阵，建立一个无向图，使用改进后的蚁群算法对测试用例集进行排序，最终输出测试用例排序集合。

2.根据权利要求1所述的基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，具体包括如下步骤：步骤1：针对软件编写相应的测试用例集T＝{t1,t2…tn}，n是测试用例集T包含的用例个数；获取回归测试历史结果检测出的故障集合Bug＝{b1,b2,...,bm}，m是检测出的故障总数；建立用例故障矩阵Anm，n是测试用例的数量，m是故障总数，若用例ti在历史测试中检测出故障 则 否则 根据测试用例故障分布信息对测试用例故障矩阵进行二进制编码；

步骤2：根据测试用例的二进制编码计算测试用例距离矩阵 dij为

用例ti与tj之间的距离，若i＝j则令dij＝1000，表示用例ti到自身的距离为1000；

步骤3：获取软件的故障级别，建立故障级别数组f[n]＝[f1，f2…fn]，其中n为测试用例数量，fi＝x，x为用例ti所检测出的软件故障最高等级；

步骤4：生成一个无向图G＝(V,E)，V是无向图的顶点，表示每个测试用例，E是无向图的边，由顶点和其它顶点连接而成，标注与更改代码相关的测试用例所在的顶点，初始化每条边的信息素；

步骤5：初始化蚁群数量λ、初始信息素量τ、每只蚂蚁携带的信息素量Q、信息素残留系数ρ、信息启发因子α、期望值启发因子β、迭代次数z和每只蚂蚁的禁忌表tabu(k)；

步骤6：根据测试用例距离矩阵D和故障级别数组f[n]计算外启发信息ηij；

步骤7：执行改进后的蚁群算法，进行一轮迭代，获取一条路径；

步骤8：判断是否达到迭代次数，若是，终止迭代，输出最优路径Path，得到排序后的测试用例集合；否则挥发部分信息素，返回步骤7，迭代次数加一。

3.根据权利要求2所述的基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，所述步骤2中：取用例ti、tj，假设ti＝(0,0,0,1,1,0,1)，tj＝(1,1,0,0,0,0,1)，则用例ti、tj距离当两个用例的故障分布越相似，则距离越远，蚂蚁会优先选择距离近的用例，以尽快检测出程序中的更多故障。

4.根据权利要求2所述的基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，所述步骤4中：对基本蚁群算法中初始信息素的值进行调整，对每条边信息素的初始值做不均匀处理：其中，ε和ε0是大于0的常数，取值介于0‑1之间；在t＝0时刻，根据该用例是否与代码更改相关进行信息素的分布，若下一用例与代码更改相关，那么该边的初始信息素值较大，反之就较小，加快算法的收敛速度。

5.根据权利要求2所述的基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，所述步骤5中：对每只蚂蚁携带的信息素量Q根据待排序用例规模做动态处理，如公式(2)所示：其中，n是测试用例的数量，Q与测试用例数量成正比，固定Q，若待排序用例集规模较小，路径上信息素积累较快，算法容易陷入局部最优，若待排序用例集规模较大，则收敛速度缓慢，所以蚂蚁携带的信息素量不能过多或过少，根据问题规模动态对Q赋值。

6.根据权利要求2所述的基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，所述步骤6中：ηij是根据测试用例距离和故障级别数组计算的启发式信息，如公式(3)所示：其中，dij为测试用例ti、tj的距离；f[j]表示用例tj在历史测试中所检测出的软件故障最高等级；外启发信息ηij与距离dij成反比，表示蚂蚁更有可能先选择距离自己近的用例，从而更快检测出程序故障；此外，在启发式信息ηij的计算中引入了软件故障等级f[j]，用例tj覆盖故障的等级越高，蚂蚁会越早的选择tj。

7.根据权利要求2所述的基于改进蚁群算法的回归测试用例优先级排序方法，其特征在于，所述步骤7中：蚁群算法的转移概率不是随机概率，是根据信息素和启发式信息来决定，假定在t时刻,蚂蚁k在目前所在的用例ti要选择转移去的下一个用例tj，概率大小为 如公式(4)所示：其中，allowedk表示允许蚂蚁k下一步可以去的用例的集合，τij是用例ti和用例tj之间边eij上的信息素量；α，β分别表示两类启发式信息的影响程度，α＝1，β＝5；S表示蚂蚁下一次转移可选的用例； 表示边eij上的信息素量； 表示边eij上的启发信息；

τij更新规则如公式(5)所示：

τij(t+1)＝ρ·τij(t)+Δτij(t,t+1)                           (5)其中， 表示t时刻，蚂蚁k在边eij上释放的信息素量，ρ(0<

ρ<1)是信息素残留系数，ρ＝0.8699，λ是一轮迭代中蚂蚁的数量，λ＝50；

采用蚁周模型对Δτij(t,t+1)进行调整，如公式(6)所示：蚁周模型对边eij信息素增量是在本次迭代结束时才进行调整；Q为常数，表示蚂蚁循环一次所释放的信息素总量，一只蚂蚁在经过用例ti、tj时对边eij信息素的增量为每单位长k k度Q/L，L为蚂蚁在本次迭代走出的路径长度。