استفاده از وب یکی از مهمترین، اجتناب ناپذیرترین و در عین حال اقتصادی ترین روش ها برای اطلاع رسانی، تجارت و آموزش می باشد. همزمان با توسعه وب، تولید نرم افزارهای کاربردی تحت وب نسبت به نرم افزارهای کاربردی تحت ویندوز اهمیت بیشتری پیدا کرده است. با توجه به گسترش روز افزون کاربرد این نرم افزارها، بررسی کیفیت این نرم افزارها مسئله ای مهم و اساسی تلقی می شود. یکی از روش های موثر برای سنجش کیفیت نرم افزار، آزمون نظام مند نرم افزار است. این آزمون که در طول چرخه حیات نرم افزار به صورت مکرر انجام می-شود، عملیاتی پر هزینه است. تولید موارد آزمون گامی مهم برای آزمون نرم افزار محسوب می شود. مجموعه این موارد آزمون باید قادر به شبیه سازی کامل و درست اطلاعات ورودی و شرایط کاری واقعی نرم افزار باشد. بر این اساس تولید موارد آزمون با توجه به ضرورت و جامعیت و درستی این موارد، فرآیندی پیچیده و پرهزینه است. یکی از موثرترین رویکردها برای کاهش هزینه تولید موارد آزمون، خودکارسازی این عملیات است. با وجود تحقیقات زیادی که در زمینه تولید خودکار موارد آزمون نرم افزارهای کاربردی تحت وب صورت پذیرفته، این مسئله کماکان دارای چالش هایی می باشد. مهم ترین چالش موجود در این زمینه، عدم ارائه مدل توصیفی کامل از نرم افزار کاربردی تحت وب جهت تولید موارد آزمون توسط رویکردهای موجود می باشد. مدل های ارائه شده تا کنون قادر به بیان کلیه رفتارهای نرم افزار نیستند. از این رو از طریق آن ها نمی توان موارد آزمون کارا با قابلیت پوشش بالای نرم افزار را تولید نمود. در این تحقیق از یک روش یادگیری نوین مبتنی بر شبکه های عصبی فازی جهت استخراج مدل رفتاری کامل به شکل مجموعه ای از قواعد فازی از نسل جدید نرم افزارهای تحت وب استفاده شده است. از این مدل جهت تولید موارد آزمون کارا با پوشش بالای نرم افزار استفاده شده است. مجموعه موارد آزمون تولید شده از طریق روش پیشنهادی حاصل از ترکیب الگوریتم های ژنتیک و خنک سازی تدریجی بهینه سازی می شوند. مجموعه موارد آزمون تولید شده بر روی دو نرم افزار کاربردی تحت وب 2 استاندارد با عنوان های tudulist و blindtextgenerator مورد ارزیابی قرار گرفته و با دو روش استاندارد atusa و us+cr مقایسه می شوند. ارزیابی های صورت پذیرفته میزان کارایی 90%، سطح خودکارسازی 97% و میزان پوشش کد 80% را برای روش پیشنهادی نشان می دهد. این نتایج در مجموع نشان دهنده عملکرد بهتر روش پیشنهادی نسبت به دو روش مورد بررسی با وجود تعداد موارد آزمون کمتر می باشد. کلمات کلیدی: تولید خودکار موارد آزمون، نرم افزارهای تحت وب، شبکه عصبی فازی خودکار مبتنی بر جمعیت