201971010117-刘春丽 实验三 结对项目—《D{0-1}KP 实例数据集算法实验平台》项目报告
实验三 结对项目—《D{0-1}KP 实例数据集算法实验平台》
| 项目 | 内容 |
|---|---|
| 课程班级博客链接 | 班级博客 |
| 这个作业要求链接 | 实验三 |
| 我的课程学习目标 | 1.体验软件项目开发中的两人合作，练习结对编程（Pair programming） 2.掌握Github协作开发程序的操作方法 |
| 这个作业在哪些方面帮助我实现学习目标 | （1）在程序设计方面提高了自己的编程能力； （2）让我了解了团队协作、分工的重要性； （3）结对编程、和同伴如何分工以及与同伴如何更好的交流。 |
| 结对方学号-姓名 | 201971010125-李涛 |
| 结对方本次博客作业链接 | 结对方本次博客作业 |
| 本项目Github的仓库链接地址 | 仓库地址 |
任务1：阅读《现代软件工程—构建之法》第3-4章内容，理解并掌握代码风格规范、代码设计规范、代码复审、结对编程概念；
-
代码风格规范：
- 主要是文字上的规定。代码风格的原则是：简明、易读、无二义性，包括对于缩进、行宽、括号、分行、命名、下划线、注释、大小写以及断行与空白的{}行的处理；
- 缩进
- 在学习之前习惯性理解为：对于缩进Tab键是最好的方式，也是最简单的，不用一个空格一个空格的敲，这样的习惯主要是因为大一学习C语言和WEB前端设计养成的。对于Tab键在不同的情况下会显示不同的长度的情况其实在去年学习Linux操作系统的时候用文件编写C语言程序时，就是使用Tab键来规范缩进的，那时很明显Tab键的长度和我之前在Windows系统下写代码时的长度不一样，显示长度为8个空格长度。
- 命名
- 字母，数字，下划线组成由字母，下划线开头不能有二义性，有长度要求。
- 注释
- 修改代码时注释，变量声明时注释。
- 缩进
- 主要是文字上的规定。代码风格的原则是：简明、易读、无二义性，包括对于缩进、行宽、括号、分行、命名、下划线、注释、大小写以及断行与空白的{}行的处理；
-
代码设计规范：
- 牵扯到程序设计、模块之间的关系、设计模式等。比如针对函数，他的最重要的原则就是：只做一件事，并且要做好。可以使用goto实现单一的出口。还有错误处理方面的一些内容，比如断言的正确使用等规范。
-
代码复审：
- 看代码是否在代码规范的框架内正确地解决了问题。代码复审的三种形式：自我复审、同伴复审、团队复审。
| 自我复审 | 自己VS.自己 | 用同伴复审的标准来要求自己。不一定最有效，因为开发者对自己总是过于自信。如果能持之以恒，则对个人有很大好处 |
| 同伴复审 | 复审者VS.开发者 | 简便易行 |
| 团队复审 | 团队VS.开发者 | 有比较严格的规定和流程，用于关键的代码，以及复审后不再更新的代码。覆盖率高——有很多双眼睛盯着程序。但是有可能效率不高（全体人员都要到会） |
- 结对编程：
- 在结对编程模式下，一对程序员肩并肩地、平等地、互补地进行开发工作。两个程序员并排坐在一台电脑前，面对同一个显示器，使用同一个键盘，同一个鼠标一起工作。他们一起分析，一起设计，一起写测试用例，一起编码，一起单元测试，一起集成测试，一起写文档等。
任务2：两两自由结对，对结对方《实验二 软件工程个人项目》的项目成果进行评价，具体要求如下：
1. 对项目博文作业进行阅读并进行评论，评论要点包括：博文结构、博文内容、博文结构与PSP中“任务内容”列的关系、PSP中“计划共完成需要的时间”与“实际完成需要的时间”两列数据的差异化分析与原因探究，将以上评论内容发布到博客评论区。
2. 克隆结对方项目源码到本地机器，阅读并测试运行代码，参照《现代软件工程—构建之法》4.4.3节核查表复审同伴项目代码并记录。
- 克隆结对方项目源码到本地机器
- 克隆时一直报错，上网浏览之后才发现要更新DNS缓存，这才解决了该问题：
-
阅读并测试对方的代码截图如下：
-
散点图结果如下图：
-
多算法选择如下图：
-
文件保存如下图：
-
-
参照《现代软件工程—构建之法》4.4.3节核查表复审同伴项目代码并记录如下：
| 概要部分 | |
| 代码符合需求和规格说明么？ | 代码基本符合需求和规格说明 |
| 代码设计是否考虑周全？ | 代码设计有周全的考虑 |
| 代码可读性如何？ | 代码可读性还不错 |
| 代码容易维护么？ | 代码容易维护 |
| 代码的每一行都执行并检查过了吗？ | 代码的每一行都执行并检查过了 |
| 设计规范部分 | |
| 设计是否遵从已知的设计模式或项目中常用的模式？ | 代码遵从已知的设计模式或项目中常用的模式 |
| 代码有没有依赖于某一平台，是否会影响将来的移植（如Win32到Win64）？ | 代码没有依赖于某一平台，不会影响将来的移植 |
| 开发者新写的代码能否用已有的Library/SDK/Framework中的功能实现？ 在本项目中是否存在类似的功能可以调用？ |
代码基本能用已有的Library/SDK/Framework中的功能实现 |
| 有没有无用的代码可以清除？ | 没有无用的代码可以清除 |
| 修改的部分代码符合标准和风格吗? | 符合标准和风格 |
| 具体代码部分 | |
| 有没有对错误进行处理？对于调用的外部函数，是否检查了返回值或处理了异常？ | 对所出现的错误进行了修改，对于调用的外部函数检查了返回值并且处理了异常 |
| 参数传递有无错误，字符串的长度是字节还是字符的长度？ 是以0开始计数还是以1开始计数？ |
参数传递无误，字符串的长度是字节的长度，是以0开始计数的 |
| 边界条件是如何处理的？switch语句的default分支是如何处理的？循环有没有可能出现死循环？ | switch语句的default分支返回false，没有出现死循环。 |
| 有没有使用断言（Assert）来保证我们认为不变的条件真的得到满足？ | 无。 |
| 对资源的利用是在哪里申请的, 在哪里释放的？有没有可能导致资源泄露？有没有优化的空间？ | 都在内存中完成，很有可能泄露 |
| 数据结构中有没有用不到的元素？ | 无，整体比较简洁 |
| 效能 | |
| 代码的效能（Performance）如何？最坏的情况如何？ | 达到了具体任务的要求。 |
| 代码中，特别是循环中是否有明显可优化的部分？ | 有 |
| 对于系统和网络调用是否会超时？如何处理? | 未出现超时现象 |
| 可读性 | |
| 代码可读性如何？有没有足够的注释？ | 可读性较强，有足够的注释 |
| 可测试性 | |
| 代码是否需要更新或创建新的单元测试？ | 可以接着开发，增加更多的功能 |
3. 依据复审结果尝试利用github的Fork、Clone、Push、Pull request、Merge pull request等操作对同伴个人项目仓库的源码进行合作修改。
-
Fork：将别人发布的项目复制，相当于一个分支；项目复制到自己的github中，于是本地就有了一个仓库。
-
Clone：从自己的github上把fork过来的项目复制到本地，这样本地就有了一个项目。在本地新建一个MyGit文件夹，将项目文件clone到该文件夹。
-
Push：将本地项目进行修改开发后，同步到你的github上的仓库中。
-
Pull request：把自己github中的已经修改的内容申请同步到最初那个开发者的项目中。
-
Merge pull request：最初的开发者同意你的修改，将其合并到自己的项目中。
任务3：采用两人结对编程方式，设计开发一款{0-1}KP 实例数据集算法实验平台
1、实现如下功能：
（1）平台基础功能：实验二 任务3；
（2）{0-1}KP 实例数据集需存储在数据库；
（3）平台可动态嵌入任何一个有效的{0-1}KP 实例求解算法，并保存算法实验日志数据；
（4）人机交互界面要求为GUI界面（WEB页面、APP页面都可）；
（5）查阅资料，设计遗传算法求解{0-1}KP，并利用此算法测试要求（3）；
（6）附加功能：除（1）-（5）外的任意有效平台功能实现。
2、需求分析
- Who 为谁设计，用户是谁？
- 设计开发一款{0-1}KP 实例数据集算法实验平台 ，提供给使用不同方法求解0-1背包，且处理多组数据的用户。 - What 需要解决如下问题?
- 数据读入：
正确读入实验数据文件的有效{0-1}KP数据； - 绘制散点图：
绘制任意一组{0-1}KP数据以价值重量为横轴、价值为纵轴的数据散点图； - 排序：
对一组{0-1}KP数据按重量比进行非递增排序； - 多算法选择求解：
能够自主选择贪心算法、动态规划算法、回溯算法求解指定{0-1} KP数据的最优解和求解时间（以秒为单位）； - 文件保存：
任意一组{0-1} KP数据的最优解、求解时间和解向量可保存为txt文件或导出EXCEL文件； - 存储数据库：
{0-1}KP 实例数据集需存储在数据库； - 使用人机交互页面：
人机交互界面要求为GUI界面（WEB页面、APP页面都可）； - 遗传算法求解：
查阅资料，设计遗传算法求解{0-1}KP，并利用此算法测试要求平台可动态嵌入任何一个有效的{0-1}KP 实例求解算法，并保存算法实验日志数据；
- 数据读入：
- Why 为什么解决这些问题？
- 根据题目要求，实现完整的项目，提高学生的编程水平；结对编程，让我们平等地，互补地进行开发工作。
3、功能设计
4、设计实现
- 函数之间的调用：选用不同的模块，调用相应的函数。
5、主要代码
- 核心代码
点击查看代码
# 创建数据库
def CreateDataBase(self):
global i
global d
global cubage # 背包最大容量
global profit # 物品价值
global weight # 物品重量
global pw # 物品价值/重量比
# 连接到SQLite数据库，数据库文件是mrsoft.db
conn = sqlite3.connect('mrsoft.db')
cursor = conn.cursor()
# 如果表已经存在则删除
cursor.execute('DROP TABLE IF EXISTS user')
# 如果表不存在则创建表
cursor.execute('create table if not exists user (num int(10) primary key,profit int(20), weight int(20))')
cubage[i] = max(list(map(int,re.findall(r'\d+',line[i*8+3]))))
profit[i] = list(map(int,re.findall(r'\d+',line[i*8+5])))
weight[i] = list(map(int,re.findall(r'\d+',line[i*8+7])))
pw[i] = list(map(lambda x:x[0]/x[1],zip(profit[i],weight[i])))
# 往表中插入数据
for j in range(0,d):
cursor.execute('insert into user (num,profit,weight) values ("%d","%d","%d")'%(j,profit[i][j],weight[i][j]))
cursor.execute('select * from user')
result=cursor.fetchall()
# 关闭游标
cursor.close()
# 提交事务
conn.commit()
# 关闭Connection
conn.close()
return result
点击查看代码
class MyFrame3(wx.Frame):
def __init__(self, parent, id):
wx.Frame.__init__(self, parent, id, '有效数据', size=(800, 800))
# 遗传算法
start2 = time.perf_counter()
heigh = heigh+70
m = 32 # 规模
N = 500 # 迭代次数
Pc = 0.8 # 交配概率
Pm = 0.05 # 变异概率
V =profit[i] # 物品价值
W =weight[i] # 物品重量
n = len(W) # 染色体长度
w = cubage[i] # 背包最大容量
C = self.init(m, n)
S,F = self.fitness(C,m,n,W,V,w)
B ,y = self.best_x(F,S,m)
Y =[y]
for i in range(N):
p = self.rate(F)
C = self.chose(p, C, m, n)
C = self.match(C, m, n, Pc)
C = self.vari(C, m, n, Pm)
S, F = self.fitness(C, m, n, W, V, w)
B1, y1 = self.best_x(F, S, m)
if y1 > y:
y = y1
Y.append(y)
wx.StaticText(self.panel,label='遗传算法：', pos=(500,heigh))
heigh = heigh+30
wx.StaticText(self.panel,label='最大价值为：%d'%(y), pos=(500,heigh))
# 初始化,N为种群规模，n为染色体长度
def init(self,N,n):
C = []
for i in range(N):
c = []
for j in range(n):
a = np.random.randint(0,2)
c.append(a)
C.append(c)
return C
# 评估函数
# x(i)取值为1表示被选中，取值为0表示未被选中
# w(i)表示各个分量的重量，v（i）表示各个分量的价值，w表示最大承受重量
def fitness(self,C,N,n,W,V,w):
S = [] # 用于存储被选中的下标
F = [] # 用于存放当前该个体的最大价值
for i in range(N):
s = []
h = 0 # 重量
f = 0 # 价值
for j in range(n):
if C[i][j]==1:
if h+W[j]<=w:
h=h+W[j]
f = f+V[j]
s.append(j)
S.append(s)
F.append(f)
return S,F
# 适应值函数,B位返回的种族的基因下标，y为返回的最大值
def best_x(self,F,S,N):
y = 0
x = 0
B = [0]*N
for i in range(N):
if y<F[i]:
x = i
y = F[x]
B = S[x]
return B,y
# 计算比率
def rate(self,x):
p = [0] * len(x)
s = 0
for i in x:
s += i
for i in range(len(x)):
p[i] = x[i] / s
return p
# 选择
def chose(self,p, X, m, n):
X1 = X
r = np.random.rand(m)
for i in range(m):
k = 0
for j in range(n):
k = k + p[j]
if r[i] <= k:
X1[i] = X[j]
break
return X1
# 交配
def match(self,X, m, n, p):
r = np.random.rand(m)
k = [0] * m
for i in range(m):
if r[i] < p:
k[i] = 1
u = v = 0
k[0] = k[0] = 0
for i in range(m):
if k[i]:
if k[u] == 0:
u = i
elif k[v] == 0:
v = i
if k[u] and k[v]:
# print(u,v)
q = np.random.randint(n - 1)
# print(q)
for i in range(q + 1, n):
X[u][i], X[v][i] = X[v][i], X[u][i]
k[u] = 0
k[v] = 0
return X
# 变异
def vari(self,X, m, n, p):
for i in range(m):
for j in range(n):
q = np.random.rand()
if q < p:
X[i][j] = np.random.randint(0,2)
return X
6、测试运行
-
程序运行
-
选择要读取的文件：
-
选择要文件中要读取哪一组数据：
-
读取到的数据存入数据库：
-
散点图的显示：
-
遗传算法运行结果（需要注意的是：遗传算法是一种近似最优化算法，它的每个解都是近似最优解，不能保证是全局最优。）：
-
有效数据的展示，其中包含选定数据的价值重量、第三项价值：重量比的排序、利用动态规划算法、遗传算法求解指定D{0-1} KP数据的最优解和求解时间（以秒为单位）：
-
结果存储至txt中：
7、描述结对的过程，提供两人在讨论、细化和编程时的结对照片
-
因为都在一个宿舍，所以聚集在一起来共同完成这个项目是比较方便的，并且比较熟悉，在沟通方面也是顺畅的。最开始是一起分析确定了项目要实现哪一些功能，GUI界面如何呈现，各类功能如何嵌入GUI界面，选择什么语言来编程，大概的方向确定好之后，就开始着手写代码。在编程的过程中，两个人轮流编程，一人编程的时候，另一人帮忙查资料，检查代码中是否有错误，提醒修改，遇到麻烦的地方，两个人一起思考、商量解决办法。
- 此次作业的PSP
| PSP2.1 | 任务内容 | 计划共完成需要的时间（h） | 实际完成需要的时间（h） |
|---|---|---|---|
| Planning | 计划 | 0.5 | 0.5 |
| Estimate | 估计这个任务需要多长时间， 并规划大致工作步骤 |
0.5 | 0.5 |
| Development | 开发 | 45.5 | 57 |
| Analysis | 需求分析（包括学习新技术） | 15 | 16 |
| Design Spec | 生成设计文档 | 1 | 0.5 |
| Design Review | 设计复审 | 1 | 1.5 |
| Coding Standard | 代码规范 | 1 | 1 |
| Design | 具体设计 | 0.5 | 0.5 |
| Coding | 具体编码 | 25 | 34 |
| Code Review | 代码复审 | 1 | 0.5 |
| Test | 测试 | 2 | 3 |
| Reporting | 报告 | 2 | 2.7 |
| Test Report | 测试报告 | 1 | 1.5 |
| Size Measurement | 计算工作量 | 0.5 | 0.7 |
| Postmortem& Process Improment Plan |
事后总结，并提出改进计划 | 0.5 | 0.5 |
8、小结感受：两人合作真的能够带来1+1>2的效果吗？通过这次结对合作，请谈谈你的感受和体会
两人合作是否能够带来1+1>2的效果，取决于两个人之间的沟通是否有效，是否能够朝着共同的目标去各自补充，合作完成任务。对于本次我们组的结对编程，我觉得两个人合作是能带来1+1>2的效果的。通过这次结对合作，我觉得对于一个较复杂的任务而言，一个人的能力、掌握的知识毕竟有限，两个人合作编程，能够综合各自掌握的知识，在编码的过程中，两个人轮流编程，互相监督，能够及时发现错误，少走一些不必要的弯路，并且不会的地方，两个人也能够一起讨论对策，提升了编码效率。两个人的合作，只要可以有效沟通，是可以很好地达到完成任务、共同进步的效果的。
任务四
已完成项目到github。
