针对测试套件优化问题，提出了一种基于非信息素的人工蜂群优化方法。该方法将每个测试实例都看做优化问题的一个可能解，并引入幸福值用于评价测试实例的吻合程度。通过将三组蜂群分别扩展为搜索代理、选择代理和优化代理，可以从大量的测试实例中选出有效的测试实例。利用这些代理的并行特性，并使用路径覆盖范围作为测试充分性准则，提高了测试实例在每次迭代过程中的路径覆盖范围，加快了解的产生速度，从而提高了该方法的运行速度和效率。仿真结果比较了该方法与蚁群优化算法的性能，证明了该方法的收敛速度和优化质量均优于蚁群算法。