沟通在软件项目中的高级应用之一

本文通过一个具体案例阐述了在软件项目中遇到技术难题时如何通过有效的沟通解决问题,避免项目终止。项目负责人通过对行业现状的分析,指出了技术难点的普遍性,并成功说服客户继续合作。

不只是在软件的开发中,需求,设计和开发人员之间需要基本的沟通,在整个项目的需求和实施阶段还需要跟用户进行直接的沟通,有时候有的关键问题特别棘手,这就需要项目负责人扭转局面了,下面个例子。

某一项目由于技术难度比较大,实施的时候因为很难在规定的时间里,满足客户的需求,时间一拖再拖,反对的情绪很大,项目面临终止,在关键的时候,项目负责人审时度势地分析了国内的行业现状,发现大都存在这个技术难点,因此在项目总结的时候给出了十多家类似项目的分析结果,得出了项目的确存在难度的结论,并给客户的领导指出,如果他们换一家软件公司,那么同样也会面临这个困难,如果再次失败,会造成什么影响?做软件就好比修路,不能因为有困难就不修了。最后获得了客户的认同,并让项目得以继续。

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