【CodingNoBorder - 11】无际软工队 - 求职岛:BETA 阶段初始任务分配

本文档定义了2022年北航敏捷软件工程项目的Beta阶段任务,包括前端和后端的重构与功能模块迭代。团队使用Notion管理任务,GitHub进行代码管理和issue跟踪。前端任务涉及微信小程序重构和求职者、招聘者功能迭代,后端任务涵盖API重构、简历管理和Tag系统优化。目标是熟悉并实践敏捷开发方法论。

无际软工队 - 求职岛:BETA 阶段初始任务分配

项目内容
这个作业属于哪个课程2022年北航敏捷软件工程
这个作业的要求在哪里团队项目-Beta阶段计划
我们在这个课程的目标是熟悉敏捷开发的方法论,并通过实际开发产品进行实践。
这个作业在哪个具体方面帮助我实现目标熟悉敏捷开发的方法论:通过实际开发产品进行实践:

Author: 无际软工队

Date: 2022.05.21

功能规格说明书、技术规格说明书 已对应增加相关更新。

摘要

本文档设计并定义了平台 β \beta β 阶段待完成的开发任务 。

任务分配的详细清单

本团队使用 notion 管理并追踪任务,具体的任务完成情况请访问团队文档中的任务页面

Github issues 开发流程管理

本团队的代码管理采用 Github 进行,有关创建 issue 和浏览完成情况的需求请访问 Github 仓库中的各 Repo issue 页面。

任务的简要清单

前端

  • 既存平台的重构
    • 基于 WebView 重新构建微信小程序
  • 功能模块的迭代开发
    • 求职者 (webapp)
      • 简历版本管理页
      • 活动页
    • 招聘者 (webapp)
      • 个人页面(团队详情)
      • 主功能页
        • 发布需求
        • 浏览申请
        • 需求详情页
        • 申请人的个人简历
        • 通知页

后端

  • 既存平台的重构
    • 增加 API 版本机制
    • 完成 API 版本动态热切换机制
    • 重写部分 API 以移除冗余信息减轻带宽压力
  • 功能模块的迭代开发
    • 优化和完善招聘者端 API
    • 简历功能
      • 对简历版本的建模和管理机制设计
      • 基于云容器和 latex 技术进行简历的 PDF 生成
    • Tag 添加和索引能力的完善
    • Web 端账户机制的设计和微信 OAuth 的集成
    • 适应合作方需求,进一步针对性细化需求信息建模
【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值