个人作业3——个人总结(Alpha阶段)

本文总结了作者在Alpha阶段的项目经历,包括编程技能提升、团队合作体会及博客撰写心得。提出了关于软件工程的五个问题,并进行了自我评估,最后制定了下一阶段的工作计划。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、总结

我们在alpha 结束之后, 每位写一个博客, 总结自己的alpha 过程。

做了什么?

在Alpha阶段,我从最初在团队中一起讨论项目的起步,各个方面的问题,以及提出自己的意见等到项目实施阶段的代码编写,软件测试,再到最后阶段项目软件的不足,修改等。我们团队在这段时间里一起合作相互帮助,虽然每次的博客分数都很低,但是大家并不受影响,仍然有很积极的动力。

学到什么?

在Alpha阶段,我不仅仅提高了自己的编程水平,以及对项目的执行有了更多的属于自己的看法和意见,懂得并且学会了考虑到更多的方面。认识到团队合作的重要性。最要的是,我知道了有时候要想拿到更高的分数,一篇博客写的好往往是必不可少的。

不足

因为自己私人的事情也比较多,时间不是很够,对项目的积极性往往不够,主动性不强。很多时候都有严重的拖延症,不到最后一刻迫不得已都不动博客。

建议

应该尽量安排好自己的时间,使自己有更多的时间来参与到项目中来。克服拖延症的不好习惯。

 

二、提出问题

大家一定会在过程中产生了很多问题, 结合你的读书(教材,博客,参考书), 实践, 提出关于软件工程的 5 个问题。

    1. 在每个问题后面,请说明哪一章节的什么内容引起了你的提问,提供一些上下文。
    2. 列出一些事例或资料,支持你的提问 。
    3. 说说你提问题的原因,你说因为自己的假设和书中的不同而提问,还是不懂书中的术语,还是对推理过程有疑问,还是书中的描述和你的经验(直接经验或间接经验)矛盾?
      • 一个模板可以是这样:
        我看了这一段文字 (引用文字),有这个问题 (提出问题)。 我查了资料,有这些说法(引用说法),根据我的实践,我得到这些经验(描述自己的经验)。 但是我还是不太懂,我的困惑是(说明困惑)。【或者】我反对作者的观点(提出作者的观点,自己的观点,以及理由)。

1.在第四章中,如何正确的给予反馈的三个层次,最内层:本质和固有属性。不是很理解固有属性指的是什么。是性格、行为或者其他东西?

2.在第六章中,敏捷的团队开发流程有好多种,怎样衡量一个开发流程是否适合当前的项目或者团队?

3.在第八章中,有分而治之的观点,认为PM来领导团体执行任务比较好,可是我觉得有事许多问题由团体成员一起讨论会比较合适。

4.在第十三章中,测试除了程序开发人员的单元测试和一般用户的Alpha/Beta测试,是否还应该有其他的测试,比如一些特殊用户的测试、商业测试?

5.在第十四章中,CMMI的两种实施方法连续式和阶段式哪一种会比较好?

 

三、自我评价

  1. 请用自我评价表:http://www.cnblogs.com/xinz/p/3852177.html 有比较才会有进步。

1-8

E

D

D

B

B

D

D

D

9-16

C

C

D

D

C

C

D

C

17-24

A

C

D

B

B

C

D

D

25-32

B

C

B

C

D

D

B

C

33-40

C

D

B

C

C

 

 

 

 

 

四、计划

在接下去的阶段,我们团队会更加的有协商,有计划的完成每一部分的任务。特别是在每个人的分工协作上,明确各个成员的任务,流水线的运作。

 

转载于:https://www.cnblogs.com/kkjc/p/6850923.html

### 关于柔性作业车间调度问题的MATLAB实现 #### 遗传算法求解柔性作业车间调度问题 遗传算法是一种模拟自然选择过程的全局优化方法,在解决复杂组合优化问题方面表现出色。对于柔性作业车间调度问题(Flexible Job Shop Scheduling Problem, FJSP),通过编码机制表示工件加工顺序及其分配给不同机器的方式,利用交叉、变异操作来探索可行解空间。 ```matlab function [bestChromosome,bestFitness]=GA_FJSP(popSize,maxGen,crossoverRate,mutationRate) % 初始化种群 population=initPopulation(popSize); for gen=1:maxGen fitness=getFitness(population);% 计算适应度 [sortedIdx,~]=sort(fitness,'descend'); elite=population(sortedIdx(1),:);% 保存最优个体 newPop=zeros(size(population)); for i=1:popSize/2 parent1=tournamentSelection(population,fitness); parent2=tournamentSelection(population,fitness); child=crossOver(parent1,parent2,crossoverRate); mutatedChild=mutate(child,mutationRate); newPop(i,:)=mutatedChild; end population=newPop; [~,bestIndex]=max(fitness); bestChromosome=elite; bestFitness=max(fitness); disp(['Generation:',num2str(gen),' Best Fitness:',num2str(bestFitness)]); end end ``` 此段代码展示了如何构建一个简单的遗传算法框架用于处理FJSP[^1]。 #### 候鸟算法(Migratory Bird Optimization,MBO)应用于FJSP 候鸟算法受到鸟类迁徙行为启发而设计的一种新型元启发式搜索技术。该算法模仿了候鸟群体在冬季向温暖地区迁移过程中展现出的合作觅食模式。当应用到FJSP上时,可以有效提高寻优效率并获得更高质量的调度方案。 ```matlab function [solution,minCost]=MBO_FJSP(iterations,nBirds,alpha,beta,gamma,delta) positions=rand(nBirds,dimensions)*searchSpace; %初始化位置矩阵 velocities=zeros(nBirds,dimensions); %速度矩阵置零 personalBestPositions=repmat(positions(:,1),... ones(1,size(positions,2)),nBirds)'; globalBestPosition=min(positions,[],'all'); %初始全局最佳位置设定为随机选取的一个位置 for t=1:iterations for b=1:nBirds currentPos=positions(b,:); velocityUpdate(currentPos,... velocities(b,:),... personalBestPositions(b,:),... globalBestPosition,... alpha,beta,gamma,delta,t); updatePersonalAndGlobalBests(); end minCost=fminbnd(@(pos)fjspObjectiveFunction(pos),lb,ub); solution=globalBestPosition; end end ``` 上述函数实现了基本形式下的候鸟算法流程,并将其适配至特定场景下求解FJSP实例[^3]。 #### 卷积神经网络辅助两阶段算法 卷积神经网络(Convolutional Neural Network,CNN)作为一种深度学习模型被广泛运用于图像识别等领域。针对FJSP特性定制化开发了一套基于CNN特征提取器加传统规划策略相结合的方法论——即先由训练好的CNN预测每道工序最短完成时间作为指导信息输入后续经典调度程序中进一步精细化调整最终输出完整的生产计划表单[^5]。
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