10、软件开发的进化、策略与实践

软件开发的进化、策略与实践

在软件开发的世界里,进化是一个常见的现象。当我们构建一个系统,以为它符合需求,实际运行时却发现并非如此,这就是一种进化。若预见到这种情况,应尽快构建第一个版本,以确定是否是自己真正想要的。而且,修改类时,其超类和子类通常仍能正常运行,不必过于担忧修改(尤其是有内置单元测试来验证修改的正确性时),因为修改不一定会破坏程序,影响通常局限于子类和特定协作者。

1. 计划的重要性

建房需要精心绘制的计划,软件开发也不例外。过去软件开发缺乏结构,导致大项目失败,后来出现了过于复杂的方法,让人花费大量时间写文档而无暇编程。其实,采用适合自己需求和个性的计划,哪怕是简单简短的计划,都能让项目有很大改善。大多数估计显示,超过 50% 的项目会失败(有些估计高达 70%)。遵循计划并在编码前构思好设计结构,会让开发更轻松,还能带来满足感。优雅的解决方案不仅便于构建和调试,也更易理解和维护,具有经济价值。

2. 极限编程(XP)

极限编程是一种激进且令人愉悦的编程理念,包含“先写测试”和“结对编程”两个重要且独特的贡献。
- 先写测试
- 传统测试的问题 :传统上,测试被置于项目末尾,优先级较低,测试人员地位不高。
- XP 测试的革新 :XP 赋予测试与代码同等甚至更高的优先级,先写测试再写被测试的代码,且测试会一直伴随代码。每次项目集成时都要成功执行测试。
- 先写测试的效果
- 明确类的接口 :它能精确规定

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, ...
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  | 博主筛选后可见
 
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