Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   11 ,  No.   1 ,   Febr uar y   2021 , pp.  575 ~ 588   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v11 i 1 . pp575 - 588          575       Journ al h om e page :  http: // ij ece.i aesc or e.c om   Target - b ased test  path pri or iti zati on for  UM L   acti vity dia gram   usin g weight a ssi gnment  methods       Wala ip orn S or nkli ang 1 ,  Thi maporn  Phe tkaew 2   1 Mana gement   of   Inform at ion   Tec hnolog y   Progra m ,  School  of  In f orm at ic s ,  W alailak  Univer si t y ,   T hai l and   2 School  of  In for m at ic s ,  W alailak   Univer sit y ,   Th a il and       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   A pr   9 , 2 0 20   Re vised  Jun   11 ,   20 20   Accepte d  J un   28 , 20 20       The   ben efit  of  e xplora tor y   te stin g  and  ad  ho c  t est ing  b y   te st er’ s  e xper ie n ce   is   tha t  cru c ia l   bu gs  are   found   q uic kl y .   Regr ession  te sting   an d  te st  ca se   priori tiza ti on  ar e  important   pro ce ss es  of  software   t esti ng  whe n  software   func ti ons  h ave   b ee n  cha ng ed.   W e  propose  a  t est  pat h  pr iori t iz a ti o n  m et hod  t o   gene ra te   a  sequ e nce   of  te st  p at hs   tha t  would  m atch  the   t este rs’  i n te rests  and  foc uses  on  th e  target   area  of   inter est  or  on   th e  changed  ar ea.  W e   g ene ra te  te st   pat hs  form   the   ac ti vi t y   d ia gr ams   and  surve y   the   te st  pat h  prior it i za t ion  from   te sters.   W e  def i ne  node   and  edg e  weigh t  to   the  sy m bo ls  of  ac t ivit y   dia g rams   b y   apply i ng  Ti m e  m ana gement ,   Pare to,  Buffe t t,   Bina r y ,   and  Bip ola r  m et hod .   The n  we  propos e  a  te st  p at h  sco re  equ at ion  to  p riori tize  te st  p aths .   W e  al so   propose  eva luati on  m et hods  i. e. ,   the   diffe r ence  an d  the   sim il ari t y   of  te st  pat h  priori tiza ti on  to  te sters’  in te r es ts.   Our  proposed  m et hod  had  the  l ea st  av era g e   of  the   diff ere n c e  and  th e  m ost  ave rag e  of  th e  sim il arit y   co m par e  with     the   t este r’s  prio rit izat ion  of  t est   pat hs.  The   Bip ola r  m et hod  wa s  the   m ost   suita ble  for  assigning  weigh ts  to  m at ch  te st   pat h  ran k   b y  the   t e ster .     Our  proposed  m et hod  al so  ha s  give n  the   af fe ct ed  p at h  b y   ch angi ng  ar ea  highe r  pr iori t y   t han  th e  o the r tes t  pa th.   Ke yw or d s :   Ed ge wei ght as sign m ent   Node wei ght a ssign m ent   Re gr essi on test ing   Targ et - base d p rior it iz at ion   Test  p at h p rio r it iz at ion   UML aci t ivit y diag ram   This   is an  open   acc ess arti cl e   un der  the  CC  B Y - SA   l ic ense .     Corres pond in g  Aut h or :   Thim apo rn P he tkaew,     School  of In for m at ic s,   Walai la k Un i ve rsity ,   222 Thai buri,  Thasala  Di stric t, Na khonSiT ham m arat, 8 0160, T haila nd.   Em a il : pthi m a po @ wu.ac.th ,  t him apo rn.p@g m ai l.co m       1.   INTROD U CTION     T est   case  pr i ori ti zat ion   by   im po rtance  is  i nten ded  to   rea rr a ng e   the   te st  cases  t o  s uit  the  ne eds   of   so ft war e   te sti ng .  Tho se   te st  c ases  that   are   th e   m os t  i m po rta nt  will   be  te ste d  pr i or  to   the   le ss  im po rtant  cases.   Test   case  pr i ori ti zat ion   is  very   us ef ul  wh e n  faced  with  li m it ed  reso urce s  or   li m it ed  testing   tim e.  Test   case  pr i or it iz at ion   c ou l d  ra nk   te st  cases  base d  on   i m po rtant  obje ct ives,  i.e.  fa ci li ta te  ta rg et   area  or   m od ific at ion - awar e  te sti ng.   Sever al   studi es  br oa dly  cat egorized  the   te st  case   pri or it iz at ion   into  co ver a ge - ba sed,  requirem ents - ba sed,   risk - bas ed,   sea rc h - ba sed,   fa ult - bas ed,   histo ry - ba sed,   a nd  othe rs  e. g.,  c os t - awa re     base d  [1 - 3] .   Cov e ra ge - base d  te st  case  pr i ori ti zat ion   is  a   te sti ng   m et ho d  that  e xam ines  the  co de  dir ect ly .     The  pr im ary  m easur es  i.e. ,   co de,   sta te m ent,  br a nch,  a nd  f un ct io n  c ov e ra ge  we re  the  m os t  wide ly   us ed     crit eria  [1,  3 - 5] .  Re qu irem ents - base d  te st  case  pr i or it iz at ion   us es  t he  re qu i rem ents  info rm at ion   to  cl assif y   serio us   te st  cas es  [ 1].  It  is   to  c heck  w hethe r  t he  delivere d  s oft war e   m eet s  t he  needs of   t he   cust om er  or  not  [ 6].   Ri sk - based   te s t  case  pr io riti zat ion   pri ori ti zes  the  te st  cases  that  co nc ern   t he  m ajo r   risks   that  a ffec te d    the  so ft war e  [ 1].  Searc h - bas ed  te st  case  pr i or it iz at ion   f ind s  the  opti m al   ran king  of   the  te st  cases  by     searchi ng  f rom   the  gl ob al   sp ace   to  fit  the  ob j ect ives,   su c h  as   gr ee dy,  gen et ic   al gorithm ,  ant  colo ny     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    57 5  -   588   576   op ti m iz ation   [ 1,   2,  7].  S om e  stud ie s  us ed  a  c on ce pt  of  hy bri dizin g  A *  al gorithm   and   ant   colo ny  op ti m i zat ion   to  ge ner at e  a nd  opti m iz e  the  te st  paths  [ 8].  Fault - base d  te st  case  pr io ri ti zat ion   seq ue nces  the  te st  c ase  to   detect   ta rg et e d  fau lt s  [ 1,  9 ] . Hist or y - based   te st  case  pr i or it iz at ion  u ses  the h ist o ry d at a,  f or  exam ple,  the co unt   of exec utio ns   wh ic h reveale d a fa ult t o pr i ori ti ze the test  case [ 1].   Object - Or ie nte d  te ch no l og y  is  cur re ntly   w idely   us ed  in   dev el op i ng   s of t war e.  T he  con ce pt  of     Object - Or ie nte d   program m ing   s uch  as  data   de pende nce,  c on t ro l  d e pende nce,  a nd  dep e ndency  due  to   obj ect   relat ion s  are  use d  f or   te st  case  sel ect ion   and   te st  case  pri or it iz at ion   [ 10] .  The  unifie d  m od el ing   la ngua ge   (U ML )  is  a  stan da r d  m od el   us ed  to  desi gn   obj ect - or ie nted   program m ing   [4 ] .  Se ver al   stud ie s  hav e  em plo y e d    a  U ML  m od el   to  gen e rate  an d  pri or it iz e  te st  paths  by  co nverti ng  act ivit y  diag ram   in to  a  tree  structure  [11],    or   a   gra ph  str uc ture  [5,  12 - 17 ]   and   t hen  ge ne rati ng  the  te st   paths .  S om e  stud ie s  ha ve  c onve rted   a  se quence  diag ram   into  a  gr a ph  str uctu r e  [18,   19]   an d  then  generate d  te st  paths.   Som e  hav e  c onve rted  a  sta te   m a chine   diag ram   [2 0,   21 ]   into  a  gr a ph   st ru ct ur e  a nd   t hen   gen e r at ed  te st  paths .  Furthe r,   UM L  m od el s  with   sever al   diag ram s  hav e  been   c onve rted  an d  integ rat ed  into  th e  sa m e  con trol  flo w  grap h  to  c re at e  and   pri ori ti ze  te st   paths .  For  exa m ple,  by  us ing  a  sequ e nce   di agr am   and   inte racti on   ov e r view  diag ram s   [2 2],  us in g  a  seq uen c e   diag ram   and   a   sta te   cha rt  diagr am   [23],   a nd   us i ng  a  us e - c ase  dia gr am ,  a   seq ue nce  diag ram ,  and  an   ac ti vity  diag ram   [2 4].  In   te st  cas e   pri or it iz at ion,  s ever al   st ud ie s   ha ve  assig ne d  weig hts  f or  act ivit y  diagra m s  or   sy m bo ls o f  c ontrol f l ow grap h t o  cal culat e th e sco res fo r  te s t paths, an d  t he  scores  wer e t he n used t o p rio riti ze  the  te st  path s.  Ther e   are  t wo  gro up s   of  a ppr oach e s  to  as sign  wei gh ts  t o  t he  sym bo ls  of  act ivit y  diagr a m s  or   con t ro l  flo w  gr a phs.  In  the   first  gro up,  t he  weig hts  ar e  assig ned  to   nodes   or  sy m bo ls  of   t he  gr a ph.     Each  sym bo l  has  a  diff ere nt  weig ht.  All  the  sy m bo l  weigh ts  aff ect   the  te st  path  score  [15,   16] .  The  weig ht   c al culat ion   of  a  co ntr ol  fl ow  gr a ph  node  de r ives  f r om   the  nu m ber s   of  in c om ing   ed ges   to  th e  node  m ulti plied  by  the  c ount   of   outg oing  e dge s  from   the  no de   [ 13 ] . In  the   s econd grou p,   t he  weig hts  ar e assign e d  t o  th e   ed ges   of   the  gra ph.   So m e  s tud ie s   hav e  assig ne d   the  weig hts   to  the  ou tg oi ng   e dg es  of   decisi on  node s  [12] .    All  the  weigh t s  are  cal culat ed  to  fin d  the  te st  path  score  and   the  sc or e s  are  us e d  to  pr i ori ti ze  the  te st   paths  by   it s i m po rtance .     None  of  the  a bove  st ud ie s   pri or it iz ed  by  t he  im po rtance   of  the  t ar get  area  or  of  the  change d  a rea .   Be sides,  they   did   not  put  an   e m ph asi s  on   t he   seq uen ce   acc ordin g  to   the  t est ers  f or  their  te st  paths  of  in te rest.  Althou gh   s pec ia l  value  te sti ng   or  ad  ho c  te sti ng   [ 25]   can   be  us e d  to  te st  the  ta rg et   ar ea  or   c hange d  area,    these  ty pes  of   te sti ng   are  on ly   do ne  by  pr of essi onal s  in  so ft war e  te sti ng.  T hese  pr of e ssion al s  pu t  a  lot  of  effor t  into  deliveri ng   a ppr opr ia te   te st  resu lts  that  su it   the  custom er’ s  re quirem ents.  So ,   this  stud y  pro po s es     a  te st  path   pri or it iz at ion   m eth od  t o   gen e rat e  a  se qu e nce  of  te st  pat hs   t ha t  would  m at ch  the  te ste rs ’  i nt erests   and f oc us es  on  the tar get a rea  of intere st o r o n  the  ch a nged   area.   The  rest  of  thi s  pa per   is   di vid ed   as  f ollo ws .  Sect io n  2  ex plains  t he  rese arch   m et hod  use d  in   th i s   stud y.   Ex pe rim en ta l  resu lt s  and  disc us si on  are  presente d  in  s ect i on  3.  En han cem ent  of  t he  al gorith m s  are   pr ese nted  in s e ct ion   4.   Finall y, s ect io n 5 c oncl ud es  the  pa pe r.   Re la te d  w ork .  Test   case   pri or it iz at ion   is  a  re orde rin g  of  t he  te st   cas es  in   a   te st  s uite  f or  te s t   execu ti ons .  Te st  case  pr i or it iz at ion   ai m s  to  cov e r  a ny  giv e n  par t   of  t he  pro gr am   by:  det ect ing   fau lt s   e arli er,   fin ding  high  pri or it y  er r or s ,  f ocusi ng  on  te s ti ng   of  the   la st  m od ifie d  par t,   an d  reducin g  the  ti m e  and   c os t  of  te sti ng .   Se veral   stu dies  have  exam ined  m et ho ds  to   pr ioriti ze  te st  pa ths  t o  in crea se  the   ef fici ency  a nd   eff ect ive ness o f  te sti ng [1,  26 ] .   UML  act ivit y  diag ram   is  essenti al ly   a  flow char t  that  ch ron ologica ll y  or ga nizes  a  set   of   a ct ivit ie s  that  ta ke  place  ov e r  tim e.  The  dia gr am   sy m bo ls  consi st  of   i niti al ,  act ivit y,  transiti on,  decisi on,  m erg e,  fork,   j oi n,  swim la ne,   and  final.   A  UML  act ivit y  diag ram   is  transform ed  into   a  graph  str uctu re  or  a  tree   str uc ture   t o  gen e rate  an d  pr i or it iz e  te st  paths .   I n  te s t  case  pr io riti zat ion ,  w ei ght s  are  num eric  values  as sig ned   t o     the  sym bo ls  of   a  UML  act ivit y  diag ram   or   t o  t he  sym bo ls  of  a  c ontrol   flo w  gr a ph.   Test   case  pri ori ti zat ion  is  then  done  acco rd i ng   to  th e  w ei gh ts  to  deter m ine  wh ic h  pa ths  shou l d  be  t est ed  first  [ 16] .  The  wei ghts  are  set   accor ding  to  t he  sym bo ls  in  the  UML  act ivit y  diagr am .  The  UML  act i vity   diagr am   will   be  c onve r te d  into     a  directed  gr a ph :   G ={ A,  E,  in,  F} ,  w her e  A  represe nts  the  no des  co ns i sti ng   of  act ion  nodes,   obj ect   nodes ,     and   c ontr ol  nodes  i.e.,  decisi on,  m erg e,  f ork,   a nd   join  node s,  E   re pr es e nt s  the  ed ges ,  E ={ ( x,  y ) | x,  y  ∈   A } ,  in   is   an  init ia l  node,  and  F   is  a  fi na l  node  [ 4] .   T he re  are  t hr ee  a ppr oach es  t o  a ssign i ng   weig ht s  to  the  sym bo ls  of   act ivit y  diagr a m s  or   to  sym b ols  of  co ntr ol  flo w  gr a ph.  Al l  weig hts  a re  cal culat ed  to   f ind  out  the   te s t  pat h  scor e s.  T he   sc or es   we re  us e d  to   pri ori ti ze  the  te st  pat hs   by  im po rtance.   First,  t he  wei gh ts   are   assig ned  t o  nodes  of  a  grap h  [ 5,   13 - 18,  23,  24 ] .   S econd,  the  w ei gh ts  are  ass ign e d  to  ed ge s  of   a  gr a ph   [1 2].     Thir d,   t he  wei gh ts  a re  assi gned  t o  bo t h  node s  an d  e dge s  of  a  gra ph   [ 11,  22] .   Accor ding  to  s om e  repor ts ,     the  sym bo ls  in  UML  act ivi ty   diagr am   or  in  c ontrol   fl ow  gra ph  we r e  assig ne d  we igh ts  as   in   Ta ble  1,    and the calc ula ti on  m et ho ds o f  te st pat h  sc ores are  sho wn in Ta ble  2.         Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ta r get - based  test  path prio rit izati on for  U M L   activ it y   ...   ( Walai po r n S ornkl iang)   577   Table  1.   C om par iso n of wei ght assi gnm ent m et ho ds   Na m e   Sy m b o l   Ass ig n ed  weigh ts   Initial n o d e             1 )  weig h t =0   [ 1 5 ]   Activ ity  no d e     1 )  weig h t =1  [ 5 ,  1 1 ,  1 5 ,  1 6 ]   2 )  weig h t =4 ,  if  the n o d e was  in ter - d e p en d ed  activity  [ 1 6 ]   3 )  weig h t =6 ,  if  the n o d e was c o n trol  n o d e   [ 1 6 ]   No r m al  edg e     1 )   weig h t=1  [ 1 2 ]   2 )  weig h t=2   [ 2 2 ]   Edg e pas sed  the  d ecisio n   node     1 )  weig h t=to tal we ig h t of  all  o u tg o in g  edg es  m u st   b e 1   [ 1 2 ]   2 )   b ased  on  80 /2 0   rule [ 2 2 ]        ed g e weigh t=4   f o r  th e tr u e edg e of   th e decisi o n  no d e        e d g e weigh t=1   f o r  th e f alse edg e of  the d ecisio n  no d e   Decisio n  no d e     1 )  weig h t=2  [ 1 1 ,  1 6 ]   2 )  weig h t=4  [ 5 ,  1 5 ]   Mer g e no d e     1 )  weig h t=2  [ 1 1 ]   2 )  weig h t=3   [5 ,  1 5 ],     Fo rk - jo in  no d e        1 )  f o rk weig h t=2 ,  jo in  weigh t=2  [ 5 ,  1 5 ]   2 )  f o rk weig h t=3 ,  jo in  weigh t=3  [ 1 1 ]   3 )  f o rk weig h t=5 ,  jo in  weigh t=3  [ 1 6 ]   Fin al no d e           1 )  weig h t=0   [ 1 5 ]       Table  2 .  C om par iso n of cal cu la ti on  m et ho ds f or  test   path  sc or es   W e i g h t   s c o r e   Calcu latio n   m eth o d s f o r  test p ath  sco re   N o d e   1 )    su m   o f   all  n o d e  weig h ts,  wh ere  th e  weig h ts  o f   th e  n o d es  were   ass ig n ed   accord in g   to   th e  ty p e  o f   sym b o ls    (see  Table  1 )  [ 5 ,  1 5 ,  16]   2 )    s u m  o f   all  n o d e  weig h ts,  wh er e  th e  weig h t  o f   th e  f irst  n o d e  eq u als  1   an d   th e  weig h t  o f   th e  n ex t  n o d e  will  h av e  1  add ed  un til the last n o d e   [ 1 8 ,  2 3 ,  2 4 ]   3 )     s u m   o f   all  n o d e  weig h ts,  w h e r e   t h e   w e i g h t s   o f   t h e   n o d e s   w e r e   a s s i g n e d   u s i n g   S t a c k - b a s e d   w e i g h t   a p p r o a c h   a n d     t h e   B a s i c   I F   M o d e l   [ 1 4 ,   1 7 ]   4)   th e  n u m b er  o f   n o d es+s u m   o f   n o d e  weig h ts+th e  n u m b er  o f   p redicate  n o d es+th e  n u m b er  o f   lo g ical  co n d itio n   n o d es  [ 1 3 ]   E d g e   1 )    su m   o f   all  ed g e  weig h ts,  w h e r e   t h e   w e i g h t s   o f   t h e   e d g e s   w e r e   a s s i g n e d   accord in g   to   th e  ty p e  o f   ed g es    (see  Table  1 )  [1 2]   N o d e   a n d   e d g e   1 )    su m   o f   all  n o d e  weig h ts+s u m   o f   all  ed g e  weig h ts,  wh ere  th e  weig h ts  o f   th e  n o d es  were   ass ig n ed   accord in g   to   th e  ty p e  o f   sym b o ls  (see  Table  1 )  an d   th e  weig h ts  o f   th e  ed g es  were   ass ig n ed   b y   th e  n u m b er  o f   in co m in g   d ep en d en cies  o f   p redeces so r  n o d e  m u ltip lied   b y   th e  n u m b er  o f   o u tg o in g   d ep en d en cies  o f   th e  su ccesso r    n o d e [ 1 1 ]   2 )     s u m   o f   a l l   n o d e   w e i g h t s + su m   o f   all  ed g e  weig h ts ,   w h e r e   t h e   weig h ts  o f   th e  n o d es  were   ass ig n ed   b y   u sin g   b ackward   slices   ap p roach   an d   t h e   w e i g h t s   o f   t h e   e d g e s   w e r e   a s s i g n e d   accord in g   to   th e  ty p e  o f   ed g es    (see  Table  1 )  [ 2 2 ]       Kau r  et   al .  [1 3]  pr op os ed  the  pr ioriti zat ion   of   te st  paths  descen ded   fr om   UML  act ivit y  diagr am   by  us ing   com plexity  o f t he path  as  fo ll ow s.  First,  the  act ivit y diagr am  w as  transf or m ed  into  a  con t ro l  flow   gr ap h.  Secon d,   the  te st  paths   wer e  gen erated  fr om   the  con trol  flow  g rap h   us ing   the  dep th  first  search.   W hen   it   fo un d  fo rk   no des,   it   wo uld   sel ect   on e  rep resen ta ti ve  path  by  us ing   br eadth  first  search  to  get  un iqu e  ind epen den t  paths.   Third ,  assignin g  a  weigh t  to  each  no de  IF(N )   was  by  the  nu m ber   of   incom ing   edg es  to  the  no de  FANIN( N)   m ulti plied b y t he  nu m ber  o f  ou tgo ing  ed ges  fr om  that no de  FANOUT ( N) , u sing  ( 1) .  Each test   path  scor e  W p   was  fo un d  by  su m m ing   no de  weigh ts  W i   in  the  set   T p   and   n   was  the  nu m ber   of   no des,   us ing   (2 ).   Fo ur th,  the co m plexity   C   of  test  p at h  was  cal culat ed  us ing  ( 3)   by g at her ing   the  values  of  the   nu m ber  o f  no des  (N p ) ,  the  scor e  of   te st  path  (W p ) ,  the  nu m ber   of   pr edicat e  no des  (P p ) ,   and   the   nu m ber   of   log ic al   con diti on s   (C p ) .   And  finall y,  the  te st  paths  wo uld   be  pr ioriti zed  fr om   the  hig hest  path  com plexity   to  the  lowest    path  com plexity .     ) ( ) ( ) ( N x F A N O U T N F A N I N N IF   (1)     p n i i p T P W W 1   (2)     p p p p C P W N C   (3)     Wang  et   al .  [ 15]   propose d  te st  path  pr i or it iz at ion   de rive d  f ro m   UML  act ivit y  diagr am   as  fo ll ows .  First,  the  act ivit y  diagr am   was  transfor m ed  into  a  co ntro l  fl ow   gr a ph.  Sec ond,   the  te st  pa ths  wer e  ge ne rated  by  the  de pth   fi rst  search .  Thi r d,   the  weig ht  of  each  no de  wa s  assigne d  bas ed  on  the  ty pe  of   sym bo ls  in  UML   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    57 5  -   588   578   act ivit y  diagr a m .  If   the  node   was  a n  i niti al   no de   or  a n  e nd  node,  it   was   as sign e d  0.  I f  the   node   wa s  a n  a ct ivit y  node,  it  w as as sign e d  4. If  the  n ode w as a fork nod e  or  a  j oi n  node , it was assign e d  2. I f  the nod e  was  a  m erg e   node,  it   was  as sign e d  3.  N e xt,   eac h  te st path  scor e   f( x )   was  the  s um   of   no de   weig hts  W i   on  that  te st path  and  n   was  t he  nu m ber   of   node s  i n  the   c hrom os om e  C   in  th e  popula ti on  P ,  us in g  (4) .  Finall y,  this  r esearch   pr i or it iz ed  the   te st  paths  fro m   the  highest  scor e .  I f  tw o  t est   paths  ha d  t he  sa m e  scor e,   it   would  rand om l y  sel ect  the test  pat h  pri ori ty  o r de r betwee n  the se.        P C W x f n i i 1 ) (   (4)     Ma hali  and   Ach arya  [1 6]  pr op os ed  the  pr ioriti zat ion   of   te st  paths  us ing   UML  act ivit y  diagr am   and   evo luti on ary  al go rithm   as  fo ll ow s.  First,  the  ac ti vity   diagr am   was  transf or m ed  into  an  act ivit y  gr aph   and   al l  te st  paths  wer e  create d.   Secon d,   each  no de  was  assigned   a  weigh t  based   on   the  sym bo ls  of   UML  act ivit y  diagr am .  If   the  no de  was  a  no rm al   act ivit y  no de,   it   was  assigned   1.   If   the  no de  was  a  decisi on   no de,   it   was  assigned   2.   If   the  no de  was  an  act ivit y  of   on e  thread   dep end s  on   each  oth er,  it   was  assigned   3.   If   the  al l  act ivit y  no de   was  within  the  decisi on   sym bo l  or   the  fo rk - j oin   sym bo l,  it   was  assigned   4.   If   the  no de  was    a  fo rk   no de,   it   was  assigne d  5.   If   the  no de  was  a  con trol  no de,   it   was  assigned   6.   Third ,  the  te st  path  scor e  F( x)   was  the  su m   of   no de  weigh ts  C ri   in  that  te st  path,   us ing   (5 ) .   This  research   pr ioriti zed  the  im po rtance  of   te st paths  fr om  the h igh est  to  the low est  p at h  scor e.       n i ri C x F 1 ) (   (5)     Jena  et   al .  [2 2]  pr op os ed  te st  path  gen erati on   and   pr ioriti zat ion   as  fo ll ow s.  First,  the  interact ion   ov erv ie w  diagr am   was  con ver te d  into  an  interact ion   gr aph .  The  sequ ence  diagr am   was  transf or m ed  into  m essage  sequ ence  dep end ency  gr ap h .  An d  then,   the  two  gr aph s  wer e  com bin ed  into  a  sequ ence  interact ion   gr aph .  Secon d,   al l  po ssible  te st  paths  wer e  create d  fr om   the  gr aph   by  us ing   dep th  first  search .    Third ,  the  weigh ts  wer e  set   to  each  no de  of   the  gr aph   accord ing   to  the  nu m ber   of   no des  af fected  by    the  cur ren t  no de,   determ ined  with  back war d  sli ci ng .  The  weigh t  of   no rm al   edg es  was  2.   The  edg e  fr om     a  decisi on   no de  was  assigned   by  us ing   80 /20   ru le   and   weigh t  4  was  assigned   to  the  true  valued   edg e  (8 0%)   wh il e  weigh t  1  was  assigned   to  the  fals e  valued   edg e  (2 0%) .  Fo ur th,  the  scor e  of   a  path  was  the  su m   of   no de  weigh ts  plu s  the  su m   of   edg e  weigh ts  al on g  the  te st  path,   us ing   (6 ).   Finall y,  this  stud y  pr ioriti zed  the  te st  paths  fr om  the h igh est  sco re to  the low est  sco re.      n i n j i i e d g e w e i g h t n o d e w e i g h t p a t h S c o r e 1 1 ) ( ) ( ) (   (6 )       2.   RESEA R CH MET HO D     This  stu dy  ai m ed  to p ri or it iz e  the  im po rtanc e  of   t he  te st  pat hs   acc ordin g  to   the  ta rg et   a rea   of   i nterest,   the ch a nged  ar ea, and t he  te st  p at hs  pr io riti zed  by the test e r s.  T he  ste ps  a r e as foll ows.     2 . 1.     De fine  the  criteri a t o  se le ct t he  UML  act i vity dia gr am   The  UML  act ivit y  diagr am s  wer e  sel ect ed  accor ding  to  the  f ollow i ng   c rite ria:   the  UML  act ivit y  diag ram s  that  wer e  fr e quentl y  us ed  i n  rese arch   st ud ie s  on  s of twa re  te st ing ,  t he  UM L  act ivit y  diagr a m s  that  wer e  us e d  in  daily   li ves,   the   U ML  act ivit y  diag ram s  that  wer e  ea sy  to  unde rstan d,   a nd  the  UML  ac ti vity   diag ram s  that  had   va rio us   c on t ro l  fl ows  a ff ect in g  the  te st  path  sel ect ion.  T he  sel ect ion   of   UML  a ct ivit y  diag ram s  dep end e d  on  the  co ntr ol  structu re.   Each  UML  ac ti vity   diagr am   sel ect ed  for  this  stud y  ha d  dif fer e nt   con t ro l  str uctu res.   As  a  res ul t,  the  sel ect ed  four   UML  act ivit y  diagr am s  for  the  e xp e ri m ent  wer e  as  f ollows  i.e., A TM W it hdra w  act ivit y  diag ram   [2 7], S hippin g  Orde r  Syst em   act ivi ty   diagr am   [13 ] ,  Buy  Be ve rage  from   Vendin g  Ma c hi n e act ivit y dia gr am  [ 11] , a nd Mi le age Purc ha se  W e b Po rtal  acti vity  d ia gr a m  [ 28 ] .   The  A TM  W it hdra w  act ivit y  diag ram ,  app li ed  f ro m   Bog hdady   et   al .  [27 ] ,   com pr ise s  m any  ty pes  of   con t ro l  struct ures  s uc h  as   sel ect ion   c ontrol   structu res   co nsi sti ng   of  one - w ay   sel e ct ion ,   two - way   sel ect ion,  a nd  nested  sel ect ion ;  an d  a  one - w ay   sel ect ion   co ntr ol  struct ur e  within  for k - j oi n  str uctu res  as   show n  in   Fig ur e   1.     The  S hippin g  Order   Syst e m   act ivit y  diagr a m ,  app li ed  fro m   Kau r  et   al .  [13] ,   com pr ise s  a  fork - j oi n  struct ur e   with  no  c on t rol   struct ur e   insi de,  sel ect ion  c on t ro l  struct ure  co ns ist in g  of   two - way  sel e ct ion ,   but  t here  is  no   it erati on   co ntr ol  struct ur e  as  sh ow n  in   Fig ur e  2 .  The  Ve nd i ng   Ma c hin e  ac ti vity   diagr am ,   app li ed  from   Sapna  and   M ohanty   [ 11 ] ,  w hich  c om pr ise s  two  it erati o n  c ontr ol  s tructu res  with  pr e - te st  loop.   This  dia gr am   does  no t  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ta r get - based  test  path prio rit izati on for  U M L   activ it y   ...   ( Walai po r n S ornkl iang)   579   hav e  the  f ork - j oi n  struct ur e  as  sh ow n  in  Figure  3 .  T he  Mi le age  Pu rc ha se  act ivit y  diagr am ,  app li ed   fr om  Paiboo nk a sem su t  an d  Lim piya ko r n  [ 28] ,  com pr ise s  sel ect ion   co ntr ol   structu res  c onsist ing   of   two - way   sel ect ion   a nd  nested   sel ect io n,   a nd  the re  is   a   fo r k - join   st ru ct ur e.   T his  diag ram   do es  no t  ha ve  a n  it erati on   con t ro l st ru ct ure  as s how n  in   Figure  4 .           Figure   1 .  A TM   w it hdra w  act i vity  d ia gram           Figure   2 .  S hippin g  o r der  s yst e m  acti vity  d ia gr am           Figure   3 .  V e nd ing   m achine ac ti vity  d ia gr am       Figure   4 .  Mi le age  p urc hase a ct ivit y diagr am       2 . 2.     Tr ansf or m t he  UML  ac tivit y  di ag r am  to  an   ac tivit y flow  graph   The  four  act ivit y  diagr am s  wer e  tra ns f or m ed  to  a n  act ivit y  flow  grap h.  Fo r   the  c oncu r ren ce   re gion,     a  qu e sti onnair e - base d  s urve y  fo r  te st  path   by  te ste rs'   interest ,  65  prof e ssion al   s of t wa re  te ste rs  s how  that     the  path  m us t  be  trave rse d  f r om   le ft - to - rig ht .  Each  th read   is  li ste d  fr om   t he  act ivit y  of   top - le vel  to  act ivit y  of  low  le vel acc ordin g  to   the  de pt h  fir st searc h m et ho d.     The  ATM  Wi thdraw   act ivit y  diag ram   was  tran sf or m ed  into   an   act iv it y  flow   grap h,   w hich   is     a  directed  grap h.   Eac h  node  r epr ese nts  the  s ym bo ls  of   act ivit y  diagr am   a nd   eac h  ed ge  r epr ese nts  the  f low  in     the  act ivit y  di agr am .  The   ac ti vity   flow   gra ph   of  ATM  W it hd ra w  act ivit y  diag ram   is  dep ic te d  i n  Fi gure   5 ,  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    57 5  -   588   580   wh e re  I   is  t he  init ia l  no de ,  F   is  the  final  node,   di   is  a  deci sion   node ,  fi   is  a  fork   node ,  a nd   ji   is  a  join  node.     The  S hippin g  Order   Syst e m   act ivity  dia gr am ,  the  Ven di ng   Ma c hi ne   act ivit y  diagr am ,  and   t he  Mi le age  Pu r chase  acti vi ty  d ia gr am   were  trans f or m ed  into a n  act i vity  f lo w gr a ph, de picte d  in  Fi gur e s   6 - 8 res pecti vely .           Figure   5 .  A TM   w it hdra w  act i vity  f lo w gr a ph           Figure   6 .  S hippin g  o r der  s yst e m  acti vity  f low gr a ph           Figure   7 .  V e nd ing   m achine ac ti vity  f low gra ph       Figure   8 .  Mi le age  p urc hase a ct ivit y flow   gr aph       2 . 3 .    Que stion na ir e - b as e d  s urve y fo r   t es t  p ath  p ri oritiz at i on  b y  t es ter s'  i nt erest   The  four  act ivit y  diagr am s  in  sect ion   2.1  w ere  use d  t o  ge ner at e  te st  pat hs   in  e ach  act i vity   diagr am .  The n,   th e  te st  paths  we re  gi ve n  to   65  prof e s sion al   s of t war e   te ste rs  to  pr i ori ti ze  the m   by  im po rtance  acc ordin g  to  their  i nteres ts  to  create   a   baseli ne  for  c om par isons.  T he  data  obta in ed  wer e  a naly zed  for  pr io riti zat ion  fr e qu e nc ie s  of   the  te st  paths.   The  survey  r esults  on   the  pr i or it iz at ion   of  the  te st  paths  in  ATM  withdra w ,  Sh ip ping  orde r   syst e m ,  Vend ing   m achine ,   a nd  Mi le age  purch ase   act ivit y  diag ram   accord i ng  to  t he  te ste rs’  interest s  are  s umm arized  in  Table s   3 - 6  res pecti vely .  I n  Table  3,   t he  ATM  with dr a w  act ivit y  diagr am   has   gen e rated   14  t est   paths   ( P1  to  P 14) .  All  65  te ste rs  will   ass ign   a   pat h  (ro w)  to  rank  t he  i m po rtance   of  the  te st   accor ding  t o  their  inte rest  by   arr a ng i ng   t hem   in  order  1 - 14  (c olu m ns ) .  T he  high est   value  de pic te d  i n    Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ta r get - based  test  path prio rit izati on for  U M L   activ it y   ...   ( Walai po r n S ornkl iang)   581   bo l d - faced  i n  each  col um n  sh ows  t hat  th e  te ste rs  ha ve   the  m os t  agr ee m ent  in  that  order.  F or   e xam ple,     m os t t est ers  agr ee that   P5 sh ould test  i n  the  thir d  ra nk  of th e test  p at hs.       Table  3 .  T he  r e su lt s of t he  s urvey o n  p rior it i zat ion   of the  t e st  p at hs i n AT M  w it hdra w  a c ti vity   d ia gr am   a ccordin g  t o  th e  t est ers’   i ntere sts   Test   p ath  no .   Test path   Ran k  of   test p ath   The f requ en cy  dis t ribu tio n  of  r an k in g   1   2   3   4   5   6   7   8   9   10   11   12   13   14   P 1   I - 1 - 2 - d1 - 3 - 4 - d2 - 5 - f1 - 6 - d3 - 7 - j1 - 11 - F   1   32   9   4   1   6   1   1   3   0   3   0   1   1   3   P 2   I - 1 - 2 - d1 - 2 - d1 - 3 - 4 - d2 - 5 - f1 - 6 - d3 - 7 - j1 - 11 - F   7   6   4   7   8   5   2   18   8   2   2   2   1   0   0   P 3   I - 1 - 2 - d1 - 3 - 4 - d2 - 5 - f1 - 6 - d3 - j1 - 11 - F   2   7   19   7   3   2   7   4   4   1   2   6   0   3   0   P 4   I - 1 - 2 - d1 - 2 - d1 - 3 - 4 - d2 - 5 - f1 - 6 - d3 - j1 - 11 - F   8   0   3   5   8   2   5   9   16   5   4   2   3   2   1   P 5   I - 1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 9 - d5 - 5 - f 1 - 6 - d3 - 7 - j1 - 11 - F   3   4   3   18   9   8   3   5   2   6   3   1   2   1   0   P 6   I - 1 - 2 - d1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 9 - d5 - 5 - f1 - 6 - d3 - 7 - j1 - 11 - F   9   6   0   5   3   2   7   3   5   16   11   2   3   1   1   P 7   I - 1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 9 - d5 - 5 - f1 - 6 - d3 - j1 - 11 - F   4   0   2   6   18   3   5   9   8   3   2   4   1   3   1   P 8   I - 1 - 2 - d1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 9 - d5 - 5 - f1 - 6 - d3 - j1 - 11 - F   10   1   6   1   1   4   5   4   9   6   16   6   2   0   4   P 9   I - 1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 9 - d5 - 10 - 11 - F   5   0   1   2   0   19   7   6   3   9   5   5   6   1   1   P 10   I - 1 - 2 - d1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 9 - d5 - 10 - 11 - F   11   1   1   3   3   3   1   2   3   7   8   21   6   6   0   P 11   I - 1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 10 - 11 - F   6   0   0   1   7   3   16   1   4   6   5   7   10   4   1   P 12   I - 1 - 2 - d1 - 2 - d1 - 3 - 4 - d2 - 8 - d4 - 10 - 11 - F   12   1   0   6   2   4   0   3   0   1   2   8   26   5   7   P 13   I - 1 - 2 - d1 - 10 - 11 - F   13   8   6   2   0   3   1   3   0   0   1   1   1   30   9   P 14   I - 1 - 2 - d1 - 2 - d1 - 10 - 11 - F   14   4   6   3   1   3   2   0   0   1   0   3   0   6   36       Table  4 .   T he  r e su lt s of t he  s urvey o n p rior it i zat ion   of the te st paths   in  s hi ppin g  o r der  s yst e m  acti vity  d ia gr am   accor ding t o  th e test ers’  i ntere sts   Test path   no.   Test path   Ran k  of   test p ath   The f requ en cy  dis t ribu tio n   o f  r an k in g   1   2   3   4   5   6   7   P 1   I - 1 - 2 - d1 - 3 - d2 - 15 - F   6   8   10   7   3   1   23   13   P 2   I - 1 - 2 - d1 - 3 - d2 - f1 - 4 - 5 - 6 - j1 - d3 - f2 - 7 - 8 - j2 - 15 - F   1   30   7   12   6   4   3   3   P 3   I - 1 - 2 - d1 - 3 - d2 - f1 - 4 - 5 - 6 - j1 - d3 - 14 - 15 - F   3   1   10   27   10   10   5   2   P 4   I - 1 - 2 - d1 - 9 - d4 - 10 - f3 - 11 - 12 - j3 - 13 - 3 - d2 - 15 - F   5   5   3   11   7   28   10   1   P 5   I - 1 - 2 - d1 - 9 - d4 - 10 - f3 - 11 - 12 - j3 - 13 - 3 - d2 - f1 - 4 - 5 - 6 - j1 - d3 - f2 - 7 - 8 - j2 - 15 - F   2   11   24   2   9   12   4   3   P 6   I - 1 - 2 - d1 - 9 - d4 - 10 - f3 - 11 - 12 - j3 - 13 - 3 - d2 - f1 - 4 - 5 - 6 - j1 - d3 - 14 - 15 - F   4   1   7   11   23   7   7   9   P 7   I - 1 - 2 - d1 - 9 - d4 - 14 - 15 - F   7   12   4   2   1   2   11   33       Table  5 .   T he  r e su lt s of t he  s urvey o n p rior it i zat ion   of the te st paths  in  v e ndin g  m achine a ct ivit y diagr am   accor ding t o  th e test ers’  i nter e sts   Test path  no .   Test path   Ran k  of   test p ath   The f requ en cy  dis t ribu tio n  of  r an k in g   1   2   3   4   5   6   7   8   9   10   P 1   I - 1 - d1 - 8 - F   10   10   1   3   1   2   1   2   0   2   43   P 2   I - 1 - d1 - 2 - d2 - 8 - F   9   1   12   1   6   3   4   2   4   29   3   P 3   I - 1 - d1 - 2 - d2 - 3 - 4 - 5 - 8 - F   1   34   5   6   3   4   5   3   2   1   2   P 4   I - 1 - d1 - 6 - 1 - d1 - 8 - F   8   1   5   5   2   8   4   1   29   9   1   P 5   I - 1 - d1 - 6 - 1 - d1 - 2 - d2 - 8 - F   7   0   1   2   6   3   10   28   10   4   1   P 6   I - 1 - d1 - 2 - d2 - 7 - 2 - d2 - 8 - F   5   0   5   10   7   20   7   7   3   6   0   P 7   I - 1 - d1 - 6 - 1 - d1 - 2 - d2 - 7 - 2 - d2 - 8 - F   6   0   2   1   9   9   21   10   6   4   3   P 8   I - 1 - d1 - 6 - 1 - d1 - 2 - d2 - 3 - 4 - 5 - 8 - F   3   2   5   24   7   7   5   7   7   1   0   P 9   I - 1 - d1 - 2 - d2 - 7 - 2 - d2 - 3 - 4 - 5 - 8 - F   2   9   25   10   3   5   1   1   1   6   4   P 10   I - 1 - d1 - 6 - 1 - d1 - 2 - d2 - 7 - 2 - d2 - 3 - 4 - 5 - 8 - F   4   9   6   2   20   4   9   3   2   2   8       Table  6 .   T he  r e su lt s of t he  s urvey o n p rior it i zat ion   of the te st paths  in  m il e age  p urc hase a ct ivit y diagr am   accor ding t o  th e test ers’  i nter e sts   Test path   no.   Test path   Ran k  of   test p ath   The f requ en cy  dis t ribu tio n  of  r an k in g   1   2   3   4   5   6   7   8   9   10   P 1   I - 1 - 2 - d1 - 16 - F   10   13   2   1   1   1   1   0   1   1   44   P 2   I - 1 - 2 - d1 - 3 - d2 - 10 - f1 - 11 - 12 - 13 - 14 - j1 - 15 - d6 - 4 - 5 - d3 - 6 - d4 - 7 - d5 - 8 - 9 - F   5   12   4   5   3   28   3   1   0   6   3   P 3   I - 1 - 2 - d 1 - 3 - d2 - 10 - f1 - 11 - 12 - 13 - 14 - j1 - 15 - d6 - 4 - 5 - d3 - 6 - d4 - 7 - d5 - 16 - F   6   3   8   4   5   6   28   4   2   2   3   P 4   I - 1 - 2 - d1 - 3 - d2 - 10 - f1 - 11 - 12 - 13 - 14 - j1 - 15 - d6 - 4 - 5 - d3 - 6 - d4 - 16 - F   7   0   2   9   8   1   8   28   6   3   0   P 5   I - 1 - 2 - d1 - 3 - d2 - 10 - f1 - 11 - 12 - 13 - 14 - j1 - 15 - d6 - 4 - 5 - d3 - 16 - F   8   0   3   7   8   4   3   6   32   2   0   P 6   I - 1 - 2 - d1 - 3 - d2 - 10 - f1 - 11 - 12 - 13 - 14 - j1 - 15 - d6 - 16 - F   9   1   6   2   2   4   5   4   2   35   4   P 7   I - 1 - 2 - d1 - 3 - d2 - 4 - 5 - d3 - 6 - d4 - 7 - d5 - 8 - 9 - F   1   39   4   1   1   5   3   2   3   1   6   P 8   I - 1 - 2 - d1 - 3 - d2 - 4 - 5 - d3 - 6 - d4 - 7 - d5 - 16 - F   2   1   28   7   6   3   9   4   3   3   1   P 9   I - 1 - 2 - d1 - 3 - d2 - 4 - 5 - d3 - 6 - d4 - 16 - F   3   1   0   28   5   8   4   9   7   3   0   P 10   I - 1 - 2 - d1 - 3 - d2 - 4 - 5 - d3 - 16 - F   4   1   7   1   25   3   4   5   10   7   2   2 . 4 .    Pr opose  ap pr oaches  to  t es t  p ath pri or itiz at ion   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    57 5  -   588   582   2 . 4 .    P r opos e  ap pr oaches   to  tes t  p ath  pri or i ti z at ion   The  weig ht  ass ign m ents  in  the  act ivit y  flow  gr ap h  tra ns f orm ed  fr om   the  UML  act ivit y  diag ram   are   the  top ic   of   t his  sect ion   a nd   t hen   t he  sc or es  of   t he  te st  pat hs  are  cal culat e d.   T he  act ivit y  flo w  grap h  c onsist s   of no des  a nd e dg e s a s s how n i n  Fig ures  5 ,  6 ,  7 ,  and   8. T he nodes  and e dg es h a ve  as sig ne d weig hts as f ollows.     2.4.1. De fine  w ei gh ts of t he  no des  in  th e  ac tivit y flow  gr ap h   In it ia l  node  an d  final  node  pres ente d  the  fl ow   sta rt  a nd   t he  final  ste p  a re  assig ned   0.   Me rg e,  for k,   and   join  node  wh ic h  are  t he  con t ro l  node  t hat  de pu te d  fl ow  of  the  pro gra m   are  assigne d  0.  Decisi on   node  is   assigne d  0,   we   us e  se ve ral  m et hods   to   co ns i der   t he  e dg e   w ei gh ts  for  the   de ci sion   node  i nst ead.  Acti vity   node   con ta ine d  t he p rogr am  stat e m ent is assi gn e d 1.     2.4.2. De fine  w ei gh ts of t he  edges  in the  a ctivit y flow  gr ap h   Norm al   edg e  is  assigne d  1.  E dg e  of   decisi on  node   is  base d  on  the  w ork  br ea kdow n  str uctu re.  It  can   hav e  m or e  tha n  2  e d ges  but  the  total   weig ht   of   T ru e v al ue  and   false   val ue   is  100%.   T he  Tru e  e dge  is  as sign e d  m or e  weigh t  than  the  false   edg e .  I n  this  res earch ,  the  wei gh t  of  an  e dg e  is  based   on  ei ther  t im e   m ana gem ent  m et ho d,   Pa ret o  m e tho d,  Buffet t  m et ho d,   Bi nar y  m et ho d,  or   B ip olar   m e t hod  as  show n  in  Table  7.   Th e  total   weig ht  of  ed ge s  of  a   de ci sion  no de  is  5.  T he   Tim e  m anag em ent,  a  70 / 30  ru le   is   ap plied   to  assi gn  wei ghts  to   edg e s  f r om   decisi on   node   [ 29 ] .  F or   70 %  the  Tru e   ed ge  wei gh t  a ssig ned  is   3.5,  an d  30%  t he  f al se  ed ge  weig ht  assigne d  is  1.5.  The   Pa reto ,  a n  80 / 20  r ul e  is  ap plied  to  assi gn  wei gh ts   to   ed ges   from   the  de ci sion    node  [22,  29] .   For  80%  t he  Tru e   ed ge  weigh t  as sig ned   is   4  a nd   20%  t he   false   ed ge  w ei gh t  assi gn e d  is  1.    The  B uffett ,   a  90 / 10  ru le   is   a pp li ed   to   assig n  we ig hts  t o  e dg e s  from   a  d e ci sion   node   [ 29] .  F or  90 %   th e  T r ue   edg e  weig ht  a ssign e d  is  4.5 ,   and   10%  the  false   ed ge  wei gh t  assi gn e d  i s  0.5.  T he  Bi na ry,  a  100/ 0  r ule  is  app li ed  t o  assi gn   weig hts  to  edg e s  from   the  decisi on  node .   Fo r  100%   the  Tru e  e dge  wei gh t  assi gn e d  is   5  an d  0%  t he  false   e dg e   wei ght  ass ign e d  is  0.  T he   Bi po la r,   a   100/ - 10 0  ru le   is   ap plied  t o  as s ign   wei gh ts  t o  ed ges  from   the  decisi on   no de.   F or   100%  the  T r ue   edg e  weig ht  assigne d  is  5  and   - 100%   th e  false   edg e  weig ht  assigne d  is   - 5.       Table  7.   Def i ne   w ei ghts  of th e ed ges fr om  a d eci sio n node   Edg e   W eig h t assig n m en t  m eth o d s   Ti m e   m an ag e m en t   (70 /3 0  r u le)   Pareto     (80 /2 0  r u le)   B u ff ett     (90 /1 0  r u le )   Bin ary     (10 0 /0  r u le)   Bip o lar     (10 0 / - 1 0 0  r u le)   Tr u e   3 .5   4 .0   4 .5   5 .0   5 .0   False   1 .5   1 .0   0 .5   0 .0   - 5 .0       2.4.3.  C alcula t ing s c ores   and  prioritiz ing   f or test  p at hs   The  te st  path s  from   each  act ivit y  diag ram   wer e   gi ven  sc or es   Sc or e p   to  pr i or it iz e  their   im po rtance .     W e   is  an   ed ge  weig ht  in  t he  t est   path   an d  E   is  the  nu m ber   of  ed ges  i n  t he   te st  path .  W n   i s  the  weig ht  of  the  te st   path  ( su m   of   node  weig hts  in   te st  path)   a nd  N  is  the  nu m be r  of  no des  in  t he   te st  path.   T he   scor e  of  a  te s t  path   Score p   is cal cu la te d  by  (7),   an d  the  test  p at hs are  pr i or it iz ed a ccordin g  t o  th ei r  sco res  i n de scen ding  order.     n N n E e e p W W S c o r e 1 1               ( 7)     2.5.    C om pa ri ng   c om put e d  resul ts  on  pri oritiz at ion   of   test  p at h s  w it h  t he  sur ve y  r esults  on  th e   t esters ’   prioriti z at io n  of t es t  p aths   The  ob j ect ive  of   the  pro po se d  ap proac h  is  to  rank  the  te s t  paths  the  sa m e  as  the  te st ers’   inter est s.     In   thi s  sect io n,  the  dif fer e nce  and   t he  sim il arit y  between   te s t  path  pri ori ti zat ion   by  the  propose d  m et ho ds  and  the s ubj ect ive t est  p at h p rio riti zat ion  acc ordin g  to  the test e rs’ interest s   will  be evaluate d.     2.5.1.  T he c alculat i on   of the  difference  to s ubj ec tive   prio ri tiz at ion  of the tes t  p aths     The  diff e re nce   Diff ( T,R)   bet ween  te st  path   rank  by  the  propose d  m et ho ds  ( R)   and   the  s ubj ect ive  te st   path  pri or it iz at ion   acc ordi ng  to  the   te ste rs ’  i nterests  ( T)   is  qu a ntifie d  in  t his  sect io n.   Th e  dif fer e nce  be twee n  te st  pa th  pr i or i ti zat ion   can  be   cal culat ed  by  (8)  w he re  P   is   the  num ber   of  te st  path s  in  act ivit y  flow   grap h.     The  value   of  diff e ren ce   Diff ( T,R)   is  between  0  a nd  1,  the   id eal   value  f or   D if f( T,R )   is  0.   D p   is  the  diff e re nce  of   a  T - R  pair  of   t he  te st  path.   T p   is  the   te st  path  ra nk   acc ordi ng   t o  the  te ste r s’  interest s,  a nd  R p   is   te st  path  ra nk  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Ta r get - based  test  path prio rit izati on for  U M L   activ it y   ...   ( Walai po r n S ornkl iang)   583   by  a  pro po se d  al gorithm ic   m et ho d.  I f  R p   is  eq ual  to  T p ,   this  m eans  th at   the  propose d  m et ho d  can   m at ch     the  te st  path  ra nk   t o  the   te ste r s’  intere sts,  the   dif fer e nce  of   t he  te st  pa t h  is  0.   If   R p   is  m ore  than  T p ,  this  m eans  that  rank  by  the  pr opos e d  m et ho d  is  t oo  la te   fo r  te sti ng.  T he  dif fer e nce  of   th e  te s t  path  is  puni sh e d  as     the  double   of   the  dif fer e nce  of   their  ra nks.  If   R p   is  le ss  th an  T p ,  the  dif f eren ce  of   the  te st  path  cal cula te d  as     the d i ff e ren ce   of their  ra nk s .  Max Diff   is t he m axi m u m  su m  of the  d if fer e nc e of T - R pai r of al l paths .     M a xD i f f D R T D i f f P p p / ) , ( 1 ,          ( 8)     wh e re       p p p p p p p p p p p T R R T T R T R R T D , , 0 , 2 ,       O d d Nu m b er is P P E ve n Nu m b e r is P P M a x D i f f , 4 1 3 , 2 3 2 2   .     2.5.2.  T he c alculat i on   of the  simi larity to s ubj ec tive pri or itiz at ion  of the tes t  p aths   The  sim il arit y  Sim(T,R)   between   te st  path  ran k  by  the  pr opose d  m et ho ds  ( R )   and   the  subj ect iv e  te st   path  pr i or it iz at ion   acc ordin g  to  the  te ste rs’   i nterests  ( T)   is  qu a ntifie d  i n  this  sect ion.  Th e  si m il ari ty   between  te st  path  pri or i ti zat ion   can   be   cal culat ed  by  (9),   w her e   P   is   the  nu m ber   of   te st  path s  in   a ct ivit y  flow   gr aph.  The  value  of  si m il arity  Sim(T, R)   is  between   0  a nd   1,  the  i de al   value  for  Si m(T,R)   is  1.   S p   is  the  sim i la rity   of     a  T - R  pair  of   t he  te st  path.   T p   is  th e  te st  path  ra nk   acc ordi ng   t o  the  te ste r s’  interest s,  a nd  R p   is   te st  path  ra nk  by  a  pro posed  al gorithm ic   method.  If   R p   is  le ss  than  T p ,  th is  m eans  that  r ank   by  the  pro po s ed  m et ho d  is  no t   too  lat e f or test ing ,  the sim il ar it y of  the test   pa th is 1. If  R p   i s  eq ual to  T p , t his m eans th at  the prop os e d m et ho d  can  m at ch  the  t est   path   ra nk  t o  the   te ste rs’  i nterests,   the  si m il arity  of   t he  te st  path  is  do ubly   re warded.  I f  R p   is   m or e  than   T p ,   this  m eans  tha t  rank   by  t he  pro po se d  m et h od  is  t oo  la te   f or  te sti ng,  the   si m il arity  of   t he   te st  path  is  0.  M ax Sim   is  the m axim u m  su m  o f  th e sim il arit y of  T - R  pair of  all  p at hs.     M a xS i m S R T Sim P p p / ) , ( 1 ,   (9)     wh e re        p p p p p p p R T R T R T S , 0 , 2 , 1 ,   P M ax S i m 2 .       3.   RESU LT S   A ND  DI SCUS S ION S     The  stu dy  ass essed  the  pro pose d  wei gh t  a ssign m ent  m eth ods  i.e .  no de   weig hts  an d  edg e  weig hts   app ly in g  with   Ti m e  m anag e m ent  m et ho d,  Paret o  m et ho d,  Bu ff et t  m et hod ,  Bi na ry   m e tho d,  an d  Bi po la r   m et ho d.   I n  the  exp e rim ent,  the  te st  paths  fr om   fo ur   UML  a ct ivit y  diagr am s  (as  descr i bed  in  sect ion   2.3)  wer e  pr i or it iz ed  a nd  com par ed wit h p rior resea rc he s .     3.1.    The res ults  of   tes t  p ath  prioriti z at io n   The  pr io riti zat i on s  of  te st  paths  f ro m   the  act ivit y  flow   gra ph s  we re  obta ined  by  assig ni ng   weig ht s   us in g  fi ve  pro po s ed  m et ho ds:   cal culat ing   th e  scor e s  f or   t he   te st  paths  by  (7),   cal c ulati ng   the  dif fer e nc e  an d  the  si m il arity  t o  sub j ect ive  pr ioriti zat ion   of  the  te st  paths  accor ding  to  t he  te ste rs'   interest s  by  ( 8)   a nd  ( 9) ,  resp ect ively . If  two  test  p at hs  h ad  the sam e s cor e , it wo uld   assign  the sam e ran k value and  the n ext num ber(s )   will   be  sk ip pe d.   T he  res ults  of   te st  path  pri or it iz at ion   f or   ATM  W it hdra w  act ivit y  flow   grap h  are  s how n  in  Table  8 ,  f or   S hi pp in g  Order   S yst e m   activity   flo w  grap h  are   sh ow n  in  Ta bl e  9,   f or  Ve nd i ng   Ma c hin e  ac ti vity  flo w  gr a ph   are  sh ow n  in   Table  10,  a nd f or Mi le age  Purch ase  act ivit y  flo w  gr a ph  are   s how n  i n  Ta ble 11 . In  al l  four   ta bles,  “E arly ”  m eans  the  nu m ber   of  te st  paths  that  r a nk   by  the  propose d  m et ho d  is  earli er  than  ra nk   by   the  te ste r.  “La te ”  m eans  the  nu m ber   of  te st  path s  that  ra nk  by   the  pro pose d  m et ho d  i s  la te r  tha n  ra nk  by     the test er. “Eq ual” m eans th e  prop os ed  m eth od ca n  m at ch t he  te st pat h ra nk to  t he  te ste r s’  inte rests.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    57 5  -   588   584   Table  8.  T he  r e su lt s of test   path pr i or it iz at ion f or   ATM  w it hdra w  act ivit y fl ow gra ph   Test path   no.   Test path   rank  by   p rop o sed  weigh t assig n m en t  m e th o d s   Test path  r an k     b y  tester   Ti m e   m a n ag e m en t   Pareto   Bu ff ett   Bin ary   Bip o lar   P1   5   4   2   2   1   1   P2   6   6   5   4   3   7   P3   7   7   7   6   5   2   P4   8   8   8   8   7   8   P5   1   1   1   1   2   3   P6   3   2   3   3   4   9   P7   2   3   4   4   6   4   P8   4   5   6   7   8   10   P9   10   9   9   9   9   5   P1 0   9   10   10   10   10   11   P1 1   12   11   11   11   11   6   P1 2   11   11   12   12   13   12   P1 3   14   14   14   13   12   13   P1 4   13   13   13   14   14   14   Ear l y   8   8   6   5   7     Equ al   1   1   3   5   2     Late   5   5   5   4   5     Dif f erence   0 .43   0 .37   0 .33   0 .29   0 .31     Si m ila rity   0 .36   0 .36   0 .43   0 .54   0 .39         Ta ble  9.  T he  r e su lt s of test   path pr i or it iz at ion f or   s hi pp i ng  o rd e r  s yst em  act ivit y flow g raph   Test path   no.   Test path  r an k  by   p rop o sed  weigh t assig n m en t  m e th o d s   Test path  r an k     b y  tester   Ti m e   m a n ag e m en t   Pareto   Bu ff ett   Bin ary   Bip o lar   P1   2   2   3   4   5   6   P2   1   1   1   1   1   1   P3   3   2   2   2   3   3   P4   6   6   6   6   6   5   P5   4   4   3   3   2   2   P6   5   5   5   5   4   4   P7   7   7   7   7   7   7   Ear l y   1   2   2   2   1     Equ al   3   2   2   2   5     Late   3   3   3   3   1     Dif f erence   0 .33   0 .36   0 .28   0 .25   0 .08     Si m ila rity   0 .50   0 .43   0 .43   0 .43   0 .79         Table  10. T he results  of test  pat h  pri ori ti zat i on for   v e ndin g  m achine acti vity  f lo w gr a ph   Test path   no.   Test path  r an k  by   p rop o sed  weigh t assig n m en t  m e th o d s   Test path  r an k     b y  tester   Ti m e   m a n ag e m en t   Pareto   Bu ff ett   Bin ary   Bip o lar   P1   6   9   9   9   9   10   P2   1   1   1   1   4   9   P3   4   2   2   2   1   1   P4   10   1 0   10   10   10   8   P5   2   3   5   5   6   7   P6   2   3   5   5   6   5   P7   5   7   8   8   8   6   P8   7   5   3   3   2   3   P9   7   5   3   3   2   2   P1 0   9   8   7   7   5   4   Ear l y   5   4   3   3   4     Equ al   0   0   2   2   2     Late   5   6   5   5   4     Dif f erence   0 .79   0 .55   0 .39   0 .39   0 .27     Si m ila rity   0 .25   0 .20   0 .35   0 .35   0 .40               Evaluation Warning : The document was created with Spire.PDF for Python.