二阶变异测试向原程序人工注入两个缺陷,相比于一阶变异测试能够更好地模拟真实的错误,得到了越来越广泛的重视和应用。但二阶变异测试过高的成本给其应用带来了阻碍,其中如何削减变异体的数量是变异测试成本降低的重要研究课题。在二阶变异测试中,会生成大量对提升测试集的质量没有帮助、容易被测试集杀死的冗余变异体;同时也会生成与原程序相似的、难以杀死的变异体,这部分变异体不仅可以用于测试集质量的提升,还可以替换组成它的一阶变异体以降低测试成本。然而,传统方法在解决该问题时,一方面难以精确找到这类高质量的二阶变异体,另一方面对潜在的等价变异体缺少有效的处理策略,并且存在收敛速度慢、容易陷入局部最优解的问题。本文将多目标差分进化算法应用于二阶变异体的约简中。首先,本文提出的方法包括修改Mu Java项目的源代码使其支持二阶变异,并记录变异体的必要特征。其次,本研究选择改进的多目标差分进化算法作为核心算法,将二阶变异体约简问题转化为多目标优化问题。最后,为了验证方法的可行性,本文使用Git Hub中的三个典型的实验室程序来评估所提方法,并与三种典型的多目标优化算法进行比较。实验结果表明,本文所提方法相比其他算法在解集的支配性和多样性上表现得更好,不仅能大幅约简二阶变异体的数量,而且可以找到更多强包含二阶变异体。