测试资源分配是软件测试中的一个核心问题。已有相关研究大都假设软件的体系结构是静态不变的，且几乎没有考虑成本约束。针对该问题，提出一种体系结构动态变化的软件测试资源分配算法。首先构建了一种体系结构动态变化的多阶段多目标多约束测试资源分配模型；然后基于参数重估计、广义差分进化，在算法中加入了种群重新初始化，该方法能减小算法搜索空间并提升算法性能；最后在算法中加入了一种新的修复处理机制，该机制能有效剔除算法产生的无效解。与归一化加权求和多目标差分进化（WNS-MODE）算法和基于第三代广义差分进化的动态测试资源分配（DTRA-GDE3）算法相比，所提算法获得的解集的容量值分别提高了约11.81倍和0.39倍。在覆盖值指标方面，所提算法完全覆盖了WNS-MODE算法，并且相对于DTRA-GDE3算法提高了81个百分点。在超体积值指标方面，所提算法分别提高了近6倍和9倍。实验结果表明，所提算法能够更好地适应软件体系结构的动态变化，可为软件产品的动态测试提供更多和更优的测试资源分配方案，并满足用户需求的动态变化。

测试资源分配是软件测试中的一个基础问题，然而已有研究大都针对并串联模块软件模型而鲜有涉及体系结构软件模型。为此，首先针对可靠性和错误数动态变化的测试环境，构建了一种基于体系结构的多阶段多目标测试资源分配模型。然后基于参数重估计、种群重新初始化、广义差分进化和归一化加权求和设计了一种面向动态可靠性和错误数的多阶段多目标测试资源分配算法。最后，在仿真实验中，与已有的归一化加权求和多目标差分进化（WNS-MODE）算法进行对比，所提算法在不同结构的体系结构软件模型实例上所获解集更优，容量值提高了约16倍，覆盖值提高了约84个百分点，超体积提高了约6倍。实验结果表明，所提算法能够更好地适应可靠性和错误数的动态变化，可为体系结构软件模型的动态测试提供更多和更优的测试资源分配方案。