201971010246-王孜睿 实验三 结对项目—《{0-1}KP 实例数据集算法实验平台》项目报告

项目 内容
班级博客链接 课程班级
这个作业的要求链接 作业要求
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)通过该实验练习结对编程
(2)练习github操作方法并掌握
(3)掌握代码编写能力及规范
结对方学号-姓名 201971020204-曹霖枫
结对方本次博客作业链接 结对方链接
项目Github的仓库链接地址 仓库地址

任务一

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

1.代码规范

2.代码复审

定义:看代码是否在“代码规范”的框架内正确地解决了问题

代码复审形式:
名称 形式 目的
自我复审 自己vs.自己 用同伴复审的标准来要求自己
同伴复审 复审者vs.开发者 简便易行(最基本复审手段)
团队复审 团队vs.开发者 有比较严格的规定和流程,适用于关键的代码
代码复审目的:
  • 找出代码的错误

  • 发现逻辑错误

  • 发现算法错误

  • 发现潜在的错误和回归性错误

  • 发现可能需要改进的地方

  • 教育开发人员

代码复审步骤:

复审前:

  • 代码必须成功编译

  • 程序员必须测试过代码

  • 程序员必须提供新的代码以及文件差异分析工作。用Windiff或VSTS自带工具都可以

  • 面对面复审中,一般是开发者控制流程

  • 复审者必须逐一提供反馈意见

  • 开发者必须负责让所有的问题都得到满意解释

  • 复审意见必须达成一致

复审后:

  • 更正明显错误

  • 对于无法更正错误在项目管理软件中创建Bug并记录

  • 把错误记在“我常犯的错误”表中

3.结对编程

为什么要结对编程?

​ 每人在各自独立设计、实现软件的过程中不免要犯这样那样的错误。在结对编程中,因为有随时的复审和交流,程序各方面的质量取决于一对程序员中各方面水平较高的那一位。这样,程序中的错误就会少得多,程序的初始质量会高很多,这样会省下很多以后修改、测试的时间。具体地说,结对编程有如下的好处:

(1)在开发层次,结对编程能提供更好的设计质量和代码质量,两人合作能有更强的解决问题的能力。

(2)对开发人员自身来说,结对工作能带来更多的信心,高质量的产出能带来更高的满足感。

(3)在心理上, 当有另一个人在你身边和你紧密配合, 做同样一件事情的时候, 你不好意思开小差, 也不好意思糊弄。

(4)在企业管理层次上,结对能更有效地交流,相互学习和传递经验,能更好地处理人员流动。因为一个人的知识已经被其他人共享。

如何结对编程?

(1)驾驶员:写设计文档,进行编码和单元测试等XP开发流程。

(2)领航员:审阅驾驶员的文档、驾驶员对编码等开发流程的执行;考虑单元测试的覆盖程度;是否需要和如何重构;帮助驾驶员解决具体的技术问题。

(3)驾驶员和领航员不断轮换角色,不宜连续工作超过一小时。领航员要控制时间。

(4)主动参与。任何一个任务都首先是两个人的责任,也是所有人的责任。没有“我的代码”、“你的代码”或“她的代码”,只有“我们的代码”。

(5)只有水平上的差距,没有级别上的差异。尽管可能大家的级别资历不同,但不管在分析、设计或编码上,双方都拥有平等的决策权利。

结对编程是个渐进的过程

有效率的结对编程不是一天就能做到的。结对编程是一个相互学习、相互磨合的渐进过程。开发人员需要时间来适应这种新的开发模式。刚开始的结对编程很可能不比单独开发效率更高。但是在度过了学习阶段后,结对编程小组的开发质量、开发时间通常比两人单独开发有明显的改善。

要避免的误区

不分情况强迫每个任务都用结对编程的方式, 或者固执地遵守一些教条 (例如 "结对的成员必须水平相当..." 等等)

没有提供足够的支持就匆忙上马结对编程 - 工作环境, 硬件, 对结果的期望都要准备好。

在具体作法上加入过多限制或要求 - 应该让两位程序员自己决定具体的方式。

不适合结对编程的情况

并不是所有的项目都适合结对编程,下面是一些不适合使用的例子。

1)处于探索阶段的项目,需要深入地研究,在这种情况下,一个人长时间的独立钻研是有必要的。

2)在做后期维护的时候,如果维护的技术含量不高,只需要做有效的复审即可,不必拘泥于形式,硬拉一个人来结对唱二人转。

3)如果验证测试需要运行很长时间,那么两个人在那里等待结果是有点浪费时间。

4)如果团队的人员要在多个项目中工作,不能充分保证足够的结对编程时间,那么成员要经常处于等待的状态,反而影响效率。

5)关键是如何最大限度地发挥“领航员”的作用,如果用处不大,也就无需结对。

两人合作的不同阶段

1.萌芽

2.磨合阶段

3.规范阶段

4.创造阶段

5.解体阶段

两人的合作——如何影响对方
方式 简介 逻辑/感情 推/拉 注解
断言 (Assertion) 就是这样吧,听我的,没错! 感情 推—— 主动推动同伴做某事 感情很强烈,适用于有充分信任的同伴。语音、语调、肢体语言都能帮助传递强烈的信息
桥梁 (Bridge) 能不能再给我讲讲你的理由…… 逻辑 拉—— 吸引对方,建立共识 给双方充分条件互相了解
说服 (Persuasion) 如果我们这样做,根据我的分析,我们会有这样的好处,a、 b、 c…… 逻辑 推—— 让对方思考 有条理,建立在逻辑分析的基础上。 即使不能全部说服,对方也可能接受部分意见
吸引 (Attraction) 你想过舒适的生活么?你想在家里发财么?加入我们的传销队伍吧,几个月后就可以有上万元的收入…… 感情 拉—— 描述理想状态,吸引对方加入 可以有效地传递信息,但是要注意信息的准确性。夸大的渲染会降低个人的可信度

任务二

对结对方《实验二 软件工程个人项目》的项目成果进行评价

作业点评链接:

结对方仓库链接

代码复审的核查表

1.概要部分
(1)代码能符合需求和规格说明么?
(2)代码设计是否有周全的考虑?
(3)代码可读性如何? 良好
(4)代码容易维护么? 容易
(5)代码的每一行都执行并检查过了吗?
2.设计规范部分
(1)设计是否遵从已知的设计模式或项目中常用的模式?
(2)有没有硬编码或字符串/数字等存在?
(3)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)?
(4)开发者新写的代码能否用已有的Library/SDK/Framework中的功能实现?
(5)在本项目中是否存在类似的功能可以调用而不用全部重新实现?
(6)有没有无用的代码可以清除?
3.代码规范部分
(1)修改的部分符合代码标准和风格么(详细条文略)? 符合
4.具体代码部分
(1)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?
(2)参数传递有无错误,字
(3)边界条件是如何处理的?Switch语句的Default是如何处理的?循环有没有可能出现死循环? 无死循环
(4)有没有使用断言(Assert)来保证我们认为不变的条件真的满足?
(5)有没有可能优化?
(6)数据结构中是否有无用的元素?
5.效能
(1)代码的效能(Performance)如何?最坏的情况是怎样的?
(2)代码中,特别是循环中是否有明显可优化的部分?
(3)对于系统和网络调用是否会超时?如何处理?
6.可读性
代码可读性如何? 良好
7.可测试性
代码是否需要更新或创建新的单元测试? 不需要

任务三

需求分析

  • 本次任务内容为解决{0-1}背包问题。按照题目要求,由于第三项价值为前两项总和且重量小于其他两项之和,且要保证装入背包的价值最大,就需要计算出每三个项集中性价比最高的,在不超过背包容量的情况下装入。

功能设计

  • 平台基础功能:实验二 任务3;
  • {0-1}KP 实例数据集需存储在数据库;
  • 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;
  • 人机交互界面要求为GUI界面(WEB页面、APP页面都可);
  • 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);
  • 附加功能:除(1)-(5)外的任意有效平台功能实现。

设计实现

  • 本次实验所使用的数据库,用MySQL与python进行连接

  • 程序主页面

  • 数据选择

  • 数据与结果的查看


  • 散点图

  • 运行记录

部分代码

  • 数据库的连接
import pymysql.cursors
import pymysql
import pymysql.cursors


config = {
    'host': 'localhost',
    'port': 3306,
    'user': 'root',
    'password': 'root',
    'db': 'test',
    'charset': 'utf8',
    'cursorclass': pymysql.cursors.DictCursor,
}

connection = pymysql.connect(**config)
connection.autocommit(True)
cursor = connection.cursor()

def get_table_list():
    results=[]
    cursor.execute('show tables from test;')
    query_result = cursor.fetchall()
    for i in query_result:
        results.append(i['Tables_in_test'])
    return results

def get_data(sets_id):
    sql='select * from kpdata where id='+sets_id+';'
    cursor.execute(sql)
    query_result = cursor.fetchall()
    return query_result
  • 遗传算法
# 遗传算法
def init(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(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(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(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(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(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(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

PSP

PSP2.1 任务内容 计划共完成需要的时间(min) 实际完成需要的时间(min)
Planning 计划 30 35
Estimate 估计这个任务需要多少时间,并规划大致工作步骤 30 35
Development 开发 600 780
Analysis 需求分析 (包括学习新技术) 30 55
Design Spec 生成设计文档 10 10
Design Review 设计复审 (和同事审核设计文档) 5 5
Coding Standard 代码规范 (为目前的开发制定合适的规范) 5 10
Design 具体设计 50 50
Coding 具体编码 300 450
Code Review 代码复审 100 100
Test 测试(自我测试,修改代码,提交修改) 100 100
Reporting 报告 50 50
Test Report 测试报告 10 10
Size Measurement 计算工作量 10 10
Postmortem & Process Improvement Plan 事后总结 ,并提出过程改进计划 30 30

实验总结

​ 通过本次实验,我对于github操作方法更加熟悉,并且对PSP的作用有了更深刻的认识,而且通过阅读构建之法学习了代码规范和代码复审的知识,对于结对很有感想。通过此次实验,我理解到了结对所带来的并非固定的一种效果,而是三种:1+1<2;1+1=2;1+1>2;我认为产生何种效果主要取决与和结对方的沟通,以及在工作分配和设计方面的理解到位与否,总的来说,结对做项目利大于弊,既可以锻炼自己,又可以通过他人学到知识,何乐而不为?

  • 部分线上沟通过程如下

posted @ 2022-04-03 18:03  一周八休  阅读(55)  评论(2编辑  收藏  举报