33、Scrum 冲刺阶段:执行与评审详解

Scrum 冲刺阶段:执行与评审详解

1. 冲刺执行决策

在冲刺执行过程中,决策分为两类。一类决策具有普遍性,例如在创建和运行自动化测试等任务层面的工作中,考虑成本效益很重要。另一类决策则针对特定功能。团队在某个功能上投入多少精力往往有一定的灵活性。比如,增强或完善某个功能在技术上可能很有吸引力,但对产品负责人来说,此时或永远都不值得付出额外成本。反之,在设计上偷工减料,或者在测试的地点、方式和时间上打折扣,也会带来经济后果,必须加以考虑。团队需要与产品负责人共同探讨这些权衡,并做出经济上合理的选择。

2. 任务分配

2.1 谁来执行任务

理想情况下,应由最能快速且正确完成任务的人来执行。但如果此人不可用,比如正在处理更重要的任务,或者生病请假而任务又急需完成,就需要考虑其他因素。团队成员有责任综合考虑这些因素,做出合适的选择。

2.2 T 型技能与团队协作

当团队成员具备 T 型技能时,团队中会有多人能够承担各项任务。成员技能有重叠时,团队可以集中人力处理那些阻碍产品待办事项在冲刺执行中推进的任务,从而提高效率。

3. 每日站会

每日站会是一项至关重要的日常检查与调整活动,有助于团队更快速、灵活地朝着解决方案推进。它是一个 15 分钟的限时活动,每天进行一次。其作用包括检查、同步和进行每日适应性规划,帮助自组织团队更好地完成工作。

每日站会的目标是让专注于实现冲刺目标的人员聚集在一起,分享整体进展情况,以便共同确定工作量、开始处理的事项以及如何在团队成员间最佳地组织工作。它还能避免等待,如果出现阻碍进展的问题,团队无需等待超过一天就能进行讨论。

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