28、微软项目 2003:在线发布项目信息全攻略

微软项目 2003:在线发布项目信息全攻略

在项目管理中,有效地分享项目信息至关重要。传统的打印方式虽能满足一定需求,但存在信息易过时、分发成本高等局限。而在线发布项目信息,不仅能轻松更新内容,还能让更多人便捷地获取信息。本文将详细介绍如何利用微软项目 2003 进行项目信息的在线发布,包括将甘特图视图保存为 GIF 图像以及将项目信息保存为网页等方法。

1. 打印与在线发布的特点

在微软项目 2003 中,打印视图或报告是常见的分享项目细节的方式。打印视图时,屏幕上显示的内容基本会原样呈现在纸上。不过,对于稍大一些的项目计划,打印的视图或报告可能需要比预期更多的纸张。因此,在打印前进行预览是个不错的选择。项目中提供的众多报告被分为多个类别,如成本和分配等,值得我们去探索,例如通过预览来了解有哪些可用的报告。

然而,打印方式存在明显的局限性。项目细节一旦打印出来,可能很快就会过时,而且分发打印副本也存在一定的成本和工作量。相比之下,在线发布项目信息则具有显著的优势。它可以更轻松地更新已发布的项目细节,并与广大在线观众分享。

2. 复制项目信息为 GIF 图像

当向资源、经理和其他利益相关者传达项目细节时,我们可能需要将项目中的信息复制并粘贴到其他程序和格式中。微软项目 2003 支持大多数 Windows 程序的标准复制和粘贴功能,此外,它还有一个名为“复制图片”的额外功能,可以对视图进行“快照”。

2.1 复制图片功能的选项

使用“复制图片”功能时,在对活动视图进行快照时有以下选项:
- 复制屏幕上可见的整个视图或视图中表格的选定行。
- 复制指定的或屏幕上显示的一段时间

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
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