微软Visual Studio 2010 & Scrum会议记录

微软使用Scrum敏捷开发方法进行VS2010的开发,将大型项目拆分为多个小团队(featurecrews),每个团队包含PM、开发及测试人员。VS2010不仅支持Scrum流程,还提供了辅助工具如TFS用于代码管理和持续集成。


4月12日,微软新一代的开发工具平台Visual Studio发布,搞了一系列的市场活动,还为之做了几个很煽情暧昧的广告(见http://v.youku.com/v_show/id_XMTYwNTE3NTI0.html),因此才有机会去听听微软内部是如何实施Scrum以及如何用VS 2010来Scrum。


最大感触是微软竟然也用Scrum,其实据统计公开用Scrum的公司有500多家,微软也是摸索之后才走上用Scrum的路,而VS 2010在系统上对Scrum的支持,更说明微软对Scrum的看好,说明他不仅仅自己采用这套方法,还提供工具协助软件开发公司用好Scrum。

微软内部开发VS 2010本身就是基于这么一套方法来实施项目管理的,并且在09年年初用VS2010beta1来辅助管理。针对VS2010这种大型软件,他们会把开发团队拆分成很多feature crews的小团队,一个feature crews就是一个敏捷团队,包括一个PM(program manager),2-3个开发人员,2-3个测试人员。VS2010中的架构设计功能(uml,模型设计等功能)就由5个这种feature crews来完成的。

不同于一般的Scrum团队,他们的feature crew没有product owner,PM要承担这个责任,即编写backlog的责任,开发人员和测试人员也可以参与,这大概源于他们是开发工具事业部,是开发者又是用户,如果是行业应用,PO还是必要的。backlog也用story的形式来记录,内容包括:definition,goals,features,description,pre-condition,flow,acceptance test,design.
他们一个sprint的长度一般为一个月,可能因为对测试要求比较高,他们对“完成”的定义要求也比较高,有一箩筐的标准,列表太长没记录下来。


在代码控制方面他们要求也比较严格,有个main source branch,每个feature单独开feature branch,每个feature branch需要有三个质量检查点,check point 1/2 和最后的quality check,通过了quality check之后才能并入main branch中。
这个代码控制是通过TFS来进行的,微软终于抛弃了他们的visual source safe。TFS来带有持续集成的功能,以此来保证系统质量。

VS2010从他们讲解和截图来看,这些功能都可以通过GreenHopper来实现,GH还多了可视化卡片和拖拽功能,燃尽图和报表也不弱于VS2010,而CI是否需要引入需要看项目具体情况。

【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