结对-结对编项目作业名称-设计文档

本文档介绍了使用HBuilder和谷歌浏览器开发的一款五子棋游戏,实现了基本的人人对战功能,包括胜利提示、和棋判断及背景音乐播放等。计划后续增加禁手规则、游戏计时等功能。

项目名称:五子棋游戏

成员:郭依程    高承志

开发环境:谷歌浏览器   HBuilder  

实现功能:

1.人人对战,两人轮流出手,黑棋先行

2.某方获胜后弹窗提示

3.棋子布满棋盘,切双方都没有连成五子,则判定为和棋。

4.设置背景音乐

5.五子棋专用盘为 15×15 ,五连子的方向为横、竖、斜。率先将五颗棋子连成一条线的一方获胜,另一方判为输。

补充:

再成功实现以上建议功能后,尝试添加复杂规则,如禁手;尝试添加游戏时间以及出手时间;还有悔棋功能

结对编程项目作业2-结对编项目设计文档

标签:回顾   tdi   实现   分数   成绩   难度   std   随机   功能   

转载于:https://www.cnblogs.com/zixiao520/p/7522023.html

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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