SQL语句的测试用例生成工作是软件工程领域中一项重要而又具有挑战性的任务。由于以数据库为中心的应用程序在生产生活中的重要性,SQL语句的测试用例生成已经引起了广泛的关注。其主要的目标是,构建一组测试数据库,用于满足指定的覆盖准则。然而,由于SQL语句本身的复杂性,为SQL语句生成测试用例将是一项非常困难和耗时的工作。现有的研究大都将该问题建模为单目标优化问题,并采用单目标方法进行求解。然而,由于对不同覆盖目标之间关系处理不当,现有的研究存在着较大的局限性。这些局限性主要表现为目标间关系障碍问题和测试数据库膨胀问题。为了克服这些局限性,本文开发了一个测试用例生成框架Moe SQL,通过结合两种独特的机制,可以生成同时具有高覆盖率和低数据库规模的测试用例。对于目标间关系障碍问题,本文采用一种基于多目标的演化算法。通过为问题建立多目标模型,算法能够在单一进化过程中覆盖多个目标,同时避免冗余计算。为了解决测试数据库膨胀问题,本文进一步地利用演化算法获得的测试用例集。通过将测试数据库约简过程划分为一系列的子问题,并使用一个局部搜索算子来对子问题进行求解。由于降低了搜索空间,算法将更容易获得具有较小规模的测试数据库。在1888个SQL语句上进行的实验表明,在30分钟的限时内,Moe SQL能够获得99.80%的目标覆盖率,与目前最先进的单目标算法Evo SQL相当。同时,在数据库规模上,仅为Evo SQL的59.47%。进一步的统计揭示了Moe SQL能够在运行效率和测试数据库规模之间达成良好的平衡。