随着软件行业的迅速发展,软件产品质量受到大家的热切关注,软件测试可以有效保证软件产品质量。回归测试是指对修改后的软件进行重新测试,以确保未因修改代码而引入新的缺陷。作为软件测试中一个重要环节,回归测试能有效提高软件质量。但随着软件开发过程中迭代次数的增加,测试用例集规模不断增大,导致回归测试成本也不断加大。目前,国内外学者已研究出多种测试用例集优化技术,以提升回归测试效益。测试用例排序是其中一种主要技术,它通过对测试用例排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的。目前已有的一些测试用例排序技术存在利用的排序信息不全面或排序目标单一的问题,不能综合运用多种信息对测试用例进行排序。本文在已有技术的基础上,提出了一种基于数据挖掘技术和多目标优化的回归测试用例排序方案,该方案综合使用测试用例的静态和动态信息,考虑多个排序目标,主要分为三个阶段:测试用例聚类、测试用例排序和测试用例排序次序动态调整。在测试用例聚类阶段,根据测试用例文本主题相似性和代码覆盖相似性,使用层次聚类算法对测试用例集聚类。在测试用例排序阶段,以最大化代码覆盖率和历史执行失败率以及最小化执行时间为排序目标,利用多目标优化算法NSGA-II对测试用例集排序。排序完成后,使用上一阶段的聚类结果调整排序次序,使排序序列前面部分的测试用例皆属于不同类,且是每类中表现最好的测试用例。在测试用例排序次序动态调整阶段,利用测试用例间的执行失败关系,动态调整测试用例排序次序,即当一个测试用例执行失败时,则将与它有失败关联规则且未执行的测试用例调整为立即执行,以进一步提高缺陷检测速率。在实验数据集上验证了本文所提方案的可行性和有效性。实验结果表明:使用本文方案时,当测试用例执行数量最多为50%时,所有项目都可以检测到全部已知缺陷。在各个项目上多次执行本文方案,对应的APFDc值均在0.7以上。与随机排序方法、基于聚类的排序方法、基于主题模型的排序方法和基于关联规则和多目标优化的排序方法对比,本文方案的APFD值平均分别提高了13.17%、6.36%、3.12%和3.14%,APFDc值平均分别提高了17.59%、5.43%、5.18%和8.36%。