团队项目之现场编程(摸鱼买菜必涨价队)

CC_川行 2021-10-30 11:18:32
这个作业属于哪个课程 https://bbs.csdn.net/forums/fzuSoftwareEngineering2021?category=0
这个作业的要求在哪里 https://bbs.csdn.net/topics/603021225
这个作业的目标现场编程,提升github协作能力
团队名称摸鱼买菜必涨价
团队成员学号031902124、031902141、031902110、031902137、031902136、031902106、031902126、031902133、031902615

组员职责分工

  • 一二年级:乐礼相,林冠禧
  • 三四年级:黄晨馨,柯婧
  • 五六年级:田宽煜,黄林敏,胡惇羽
  • 主函数:周斌
  • 父类:吴艳妮
  • I/O:谢翛然

github仓库地址&commit记录

github仓库地址 https://github.com/Horizonxr/TeamCase

img

程序运行环境

python 3.6

软件运行截图

img

img

img

special events

  • 关于任务分工

一开始没有仔细看题目具体要求,以为可以整数加减乘除,以及小数加减乘除分别写成一个函数,后来意识到需要实现的功能是一个加减乘除可能混合起来的一个算术表达式,那就不能按照计算方法直接分配,重新考虑了分配方案,最后按照几个类,以及主函数,I/O功能等角度来进行分工。

  • 关于代码功能的实现

在之前的编码语言协调环节中,虽然C++掌握人数是最多的,但由于考虑到python的简易性,最后还是决定用python作为我们这次现场编程使用的语言。由于这个编码语言确定的环节是在正式开始编码之前两天就完成了的,所以给了大家强化(速成)python的时间,但由于对python面向对象的实现并不熟悉,所以在编程现场也出现了小型语言学习现场,花费了一些时间来实现各自的功能。

现场编程体验

  • 惊险刺激的操作

面对10:00a.m.的deadline和需求变动的要求,以及多人协作过程中出现的各种小bug(包括github疯狂转圈圈等令人郁闷的问题),大家纷纷感受到了在ddl边缘疯狂试探的刺激(包括第一次限时完成博客撰写的体验,博客人的键盘都快飞起来了),由于缺乏多人协作编程的经验,所以场面曾经陷入迷茫.jpg的状态,消耗了一些时间,让deadline看上去更紧迫了一些

  • python与github的速成与精加工

虽然编码语言在开始编码前两天就确定了,但是在python的初学场景下,单纯使用函数的比较多,使用到python面向对象的特性的场景比较少,所以在基于面向对象的功能划分时,接口的确定和调用是一个比较耗时的过程。于此同时,基于github的团队协作也受益于前一天的预演工作,减少了大部分问题,虽然merge的权限管理还是有一定混乱,但最后大家都可以熟练使用github进行版本控制和代码协作了

PSP

PSP2.1Personal Software Process Stages预估耗时(分钟)实际耗时(分钟)
Planning计划
· Estimate· 估计这个任务需要多少时间510
Development开发
· Analysis· 需求分析 (包括学习新技术)3010
· Design Spec· 生成设计文档----
· Design Review· 设计复审 (和同事审核设计文档)----
· Coding Standard· 代码规范 (为目前的开发制定合适的规范)105
· Design· 具体设计1010
· Coding· 具体编码12090
· Code Review· 代码复审1010
· Test· 测试(自我测试,修改代码,提交修改)4030
Reporting报告
· Test Report· 测试报告3020
· Size Measurement· 计算工作量105
· Postmortem & Process Improvement Plan· 事后总结, 并提出过程改进计划1010
合计275200
...全文
639 1 打赏 收藏 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
SoftwareTeacher 2021-11-06
  • 打赏
  • 举报
回复

(包括github疯狂转圈圈等令人郁闷的问题),


你们试过其他代码仓库么?

内容概要:本文研究了一种面向燃料电池系统建模的极化曲线参数辨识方法,通过将人工蜂群算法(ABC)与Amphlett电化学模型相耦合,实现对质子交换膜燃料电池(PEMFC)关键性能参数的高精度全局优化辨识,并引入不确定性量化分析以评估参数估计的置信水平。研究系统阐述了Amphlett模型的物理机制与数学表达,构建了以实验测得的极化曲线数据为基准的目标函数,将参数反演问题转化为高维非线性优化问题,并利用人工蜂群算法强大的全局搜索能力和避免陷入局部最优的特性进行高效求解。文中深入分析了算法的收敛特性、参数敏感性及可辨识性,验证了该方法在提升燃料电池模型精度、鲁棒性与泛化能力方面的显著优势,为燃料电池系统的精确仿真、动态性能预测、控制策略设计与健康状态评估提供了坚实可靠的模型基础; 适合人群:具备一定电化学、热力学及优化算法理论基础,从事新能源技术、燃料电池建模与仿真、能源系统优化等相关领域的研究生、科研人员及工程技术人员; 使用场景及目标:①实现质子交换膜燃料电池半经验模型(如Amphlett模型)中关键参数的精确辨识;②学习并掌握群体智能优化算法(特别是人工蜂群算法)在复杂工程反问题中的应用方法;③开展燃料电池系统建模过程中的不确定性量化分析,评估模型参数的可靠性与稳健性;④为燃料电池的性能评估、故障诊断、寿命预测及系统级仿真与控制提供高保真度的数学模型支持; 阅读建议:此资源以Matlab代码实现为核心载体,深度融合了电化学理论、优化算法与数值计算,读者在学习过程中应重点理解Amphlett模型的构建逻辑、目标函数的设计原则以及人工蜂群算法的实现细节与关键参数设置,并强烈建议动手运行、调试代码,通过改变初始种群、实验数据集或模型结构等方式,深入探究参数辨识过程的收敛行为、算法性能差异及模型的适应性。

189

社区成员

发帖
与我相关
我的任务
社区描述
福州大学软件工程教学,推行邹欣老师“构建之法”。
软件工程 高校
社区管理员
  • Dawnfox
  • REP1USONE
  • 纪华裕
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧