实习---第三周星期一

  1. 在sourceTree上提交自己的代码。
  • 先拉取项目本身同事已提交的代码
  • 如在提交代码时遇到文件重复,则将自己修改过的代码文件的copy下来,刷新项目,将自己的代码复制到修改的文件中,点击提交,
  • 在git上创建一个合并请求,在发起前先检查自己修改的内容。
  1. 遇到提交代码403问题
  • 可能时权限问题
  1. 再次遇到beanfactory …“refresh” 问题时license过期,替换
  2. 每次新建一个新表单,必须要重新启动console项目。
  3. 在使用表单控件时,可以在这里插入图片描述
    查看布局
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
很高兴能够回答你的问题。以下是关于软件测试实习第三周实习周志的文章: 第三周实习周志 自从成为这个团队的一员以来,我已经学到了很多知识和技巧,正如前几周所提到的那样,我很荣幸能够与这些专业人士共事,并从他们那里学到更多。这个星期,我有机会在软件测试方面更深入地学习,并且参与到测试计划的制定中。 本周,我首先学习了如何制定测试计划。为了保证测试的高效性和全面性,我们需要在测试之前制定一个详细且完整的测试计划。在学习过程中,我了解了测试策略,测试范围、测试计划和测试用例四个方面的内容。在实际操作中,我按照组长给出的测试计划模板,为一个小型项目制定了测试计划,并学会了如何使用测试计划来控制测试进度和监测测试质量。 接下来,我参与了测试用例的编写。测试用例是测试工作的一个重要部分,一个优秀的测试用例可以验证软件的功能性、可靠性、安全性等方面。在测试用例编写过程中,我学会了如何编写测试用例并对其进行优化。这对我来说是一个挑战,因为我需要按照各种场景来设计不同的测试用例,而且需要进行较长时间的前期准备工作。 最后,我参观了一个实验室,目的是提高我们的测试技能和以智能化的方式进行测试。在实验室里,我们使用了一些测试工具和框架,这些工具和框架可以使我们更加自动化地完成测试工作, 提高测试效率和准确性。此外,对于一些特殊场景和复杂的测试,我们还运用了一些高级技术,如模拟人工交互,使用模拟数据等。 在本周的实习中,我全力以赴地投入到软件测试工作中,并从中获得了新的体验和技能。我更加深信测试对于软件开发的重要性,测试是产品质量的保证,它不仅仅能够确保产品质量,而且还能够提高用户体验,满足用户真正的需求。 以上就是我在软件测试实习第三周实习周志的一些心得体会,希望能够帮到你。如果你还有其他问题,可以继续向我提问。
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