总结一下自己的知识体系和项目经历(上)

作者分享了自己从Java转为Erlang进行游戏开发的历程,总结了六年来在不同行业的工作经历和技术积累。讨论了频繁跳槽带来的挑战与机遇,以及技术领域内的成长与自我认知的变化。
最近转型做游戏了,语言神马的都从做了好几年的Java转成Erlang了,所以我觉得有必要给自己6年来的工作写一点点总结。

首先说下工作经历。
自05年毕业以来,前后共在三个行业打滚过:电信、银行、互联网,其中电信干了2年,银行干了1年,互联网干了3年。其中做过的业务有:
电信业-》移动BOSS、电信电子运维;
银行业-》工作流引擎;
互联网-》邮箱、商城、语音平台下的相关应用、搜索、游戏(刚转型)。

总结:跳槽有点频繁,行业跨度大,在行业业务上积累很少,这是最最失败的地方;还有就是每次跳槽,原来积累的公司内人脉关系都会弱化甚至消失,对升职一点好处都没有。好处是可以认识很多行业的人。


再说一下工作以来的技术积累。
电信业-》头一年写C/Delphi+嵌入式SQL,后来转型Java Web。
银行业-》继续Java Web,做UI时间比较多。
互联网-》真正技术飞跃的日子,还是Java Web为主,接触并真正应用了很多主流技术,并获得接触海量数据、大并发的难得实践机会。私底下也开始做一些移动互联网的应用。

列举下我用到过的技术:
语言:Java(主力)、Javascript(主力)、HTML(主力)、C/C++、Delphi、Python、shell、object-c;
框架:Struts1,2、Spring(包括Spring MVC)、Hibernate、iBatis、dojo、jQuery、django;
中间件:CICS(结合c/c++和嵌入式SQL);
服务器:nginx、Apache、Resin、WebSphere;
数据库:MySQL(用得最多)、Oracle、Informix、DB2;
操作系统:Linux、AIX、Windows Server;
移动平台:Android、IOS;
其他:Memcached、EhCache/OSCache、Cassandra、ZooKeeper、Lucene。


总结:做Java的,大多都是做Java Web,而做Java Web的人,通常都是做企业应用为主,一般都是个“通菜”,从前端到后端,什么都懂,最最多的经验就是数据库CRUD和MVC那一套。神马大并发、海量数据、Map/Reduce、NoSQL,一般没有机会接触,都是浮云。直到我进了互联网行业,才恰好有这样的机会。真正技术飞跃,都是在进了互联网行业之后的事情。

就如前辈们所述,工作时间越长,越会发现自己的渺小,以上任何一种技术深入研究都会有很大的学问,鄙人目前水平也仅限于把它们凑齐到项目中,达到“用过”或者“比较熟练”的程度。


感慨:目前已经转型去做游戏,新语言Erlang让我吃尽苦头,实在太蛋疼了!为了小时候的梦想,我放弃了很多自己的优势,以新手的姿态进入这个圈子,不知道是祸是福,但我愿意为梦想拼一次!万幸的是,缓存技术、数据库技术的积累还能派上用场。


下一篇我打算总结一下所做过的项目的架构。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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