Varios paradigmas de ingeniería de software y proyectos en tiempo real han demostrado que las pruebas de software son la fase más crítica y altamente importante en el ciclo de vida del desarrollo de software (SDLC). En general, las pruebas de software ocupan aproximadamente el 40-60% del esfuerzo y tiempo total involucrado en el desarrollo del proyecto. La generación de casos de prueba es el proceso más importante en las pruebas de software. Existen muchas técnicas involucradas en la generación automática de estos casos de prueba que tienen como objetivo encontrar un grupo más pequeño de casos que podría permitir alcanzar un nivel de adecuación, lo que reducirá el esfuerzo y el costo involucrados en las pruebas de software. En las pruebas estructurales de un producto, la auto-generación de casos de prueba que están enfocados en el camino de manera eficiente es un proceso desafiante. Estos a menudo se consideran problemas de optimización y, por lo tanto, se han propuesto métodos basados en búsqueda, como el algoritmo genético (GA) y las optimizaciones por enjambre, para abordar este problema. La importancia del estudio es abordar el problema de optimización de la generación automática de casos de prueba en la ingeniería de software basada en búsqueda. La metodología propuesta tiene como objetivo cerrar la brecha de los algoritmos genéticos que adquieren un mínimo local debido a la baja diversidad. Aquí, el ajuste dinámico de la tasa de cruce y mutación se logra calculando la medida individual de similitud y aptitud y buscando el óptimo más global. El método propuesto se aplica y se experimenta en un conjunto de referencia de cinco proyectos industriales. Los resultados de los experimentos han confirmado la eficiencia de generar casos de prueba que tienen una cobertura óptima de caminos.