201971010242王凯英 实验四 团队作业1:软件研发团队组建

课程班级博客链接 班级
这个作业要求链接 作业
团队名称 花开富贵!
团队的课程学习目标 (1)实验三作业互评(2)组建软件项目研发团队。
这个作业在哪些方面帮助团队实现学习目标 (1)通过测试运行其他人的项目,优化自己的项目(2)团对协作,组建软件开发团队
团队博客链接 链接

任务1:浏览班级博客园中提交《实验三 软件工程结对项目》作业,任选一个你认为完成质量较高的小组项目成果,继续以实验三结对学习方式完成任务
1.被评论作业的博客链接: 链接
2.被评论作业的Github项目仓库链接: 链接
3.符合(1)要求的博客评论:
博文结构:博文整体排版清晰美观。
博文内容:较完整的完成了实验的内容,但有些内容还是要加以改进。
博文结构与PSP中“任务内容”列的关系:博文按照PSP的各个流程进行撰写,使得项目的完成更加系统化,这一点完成度很好。
代码部分要进一步改进还有所欠缺。
4.符合(2)要求的代码核查表:

概要部分 内容
代码符合要求和规范说明吗?
代码设计是否考虑周全?
代码可读性如何?
代码容易维护吗? 容易
代码的每一行都执行并检查过了吗?
设计规范部分 规范
设计是否遵循从已知的设计模式或项目中常用的模式?
有没有硬编码或字符串\数字等存在?
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) ? 不清楚
有没有无用的代码可以清楚?
代码规范部分 内容
修改的部分符合代码标准和风格吗 符合
具体代码部分 内容
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?
参数传递有无错误?
字符串的长度是字节的长度还是字符的长度 字节
是以0开始计数还是以1开始计数? 0
对资源的利用,是在哪里申请,在哪里释放的? 内存
有无可能存在资源泄露?
有没有优化的空间?
数据结构中有没有用不到的元素?
效能 内容
代码的效能如何?
最坏的情况是怎样的? 不清楚
代码中,特别是循环中是否有明显可优化部分?
对于系统和网络的调用是否会超时? 不会
可读性 内容
代码的可读性如何?
有没有足够的注释?
可测试性 内容
代码是否需要更新或创建新的单元测试?

5.符合(3)要求总结:
人机交互界面截图:



软件功能基本上齐全,但在软件界面以及代码的细节上面还需要改进。软件所包含的功能及为上面截图中所含的内容。
(2)总结任务3要求的功能软件解决了吗?软件在数据量/界面/功能上各有什么优缺点?对该软件产品功能有什么改进意见?
答:要求的功能软件已完全解决;软件没有比较明显的优缺点;可以添加用户自己输入的背包数据模块
(3)从学历、年龄、专业、爱好、收入等方面概括实验三任务3所研发软件产品的典型用户群特征,他们表面需求,潜在需求都是什么?
这款软件主要使用群体为在校大学生,在他们学习算法分析与设计时可以结合课本使用。

6.符合(4)要求结论:
不错
7.本小组任务3迭代改进要点说明:
主要对遗传算法块的代码进行了修改

##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

任务二:
见团队博客 团队博客

  • 总结:在本次实验中我们小组和其他小组进行了组队,组队小组的实验三明显要比我们小组完成的好,在这次合作中也学习到了许多的知识,也意识到了自己的不足。在以后的实验中要更加努力。
posted @ 2022-04-11 16:14  王凯英  阅读(6)  评论(0编辑  收藏  举报