河海大学-软件工程
第二次作业（个人作业）：软件案例分析
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区这个作业的要求是：https://bbs.csdn.net/topics/608658749
我选择的题目是：5、代码仓库管理系统有很多，他们对于你熟悉的目标用户 （中国高校大学生）有什么缺陷？如何改进？ 请分析至少两个常见的代码仓库。
第一部分 调研、评测
Github
Github是一个代码托管平台和开发者社区，开发者可以在Github上创建自己的开源项目并与其他开发者协作编码。创业公司可以用它来托管软件项目，开源项目可以免费托管，私有项目需付费。GitHub可以托管各种git库，并提供一个web界面，但与其它像 SourceForge或Google Code这样的服务不同，GitHub的独特卖点在于从另外一个项目进行分支的简易性。为一个项目贡献代码非常简单：首先点击项目站点的“fork”的按钮，然后将代码检出并将修改加入到刚才分出的代码库中，最后通过内建的“pull request”机制向项目负责人申请代码合并。已经有人将GitHub称为代码玩家的MySpace。
bug
目前在正常使用过程中，未见明显影响功能及体验的bug，也得益于该平台为研究人员提供良好使用体验做出巨大努力。
github的bug赏金计划也证实了这个平台功能不断完善以及进步的事实。(最低3w刀乐！！)
详情见GitHub Security - GitHub Bug Bounty
使用测评
1.Code 
代码部分
2.Issues
提交BUG问题的地方
3.Pull requests
修改别人的代码并返还Pull Request是用户修改代码后向对方仓库发送采纳的请求功能，也是GitHub的核心功能，正式因为有了这个功能，才会让众多开发者轻松地加入到开源开发的队伍中来。
步骤：
(1)先 fork 别人的仓库，相当于拷贝一份; (fork拷贝别人的代码)
(2)clone 到本地分支，做一些 bug fix (修复bug)
(3)发起 pull request 给原仓库，让他看到你修改的 bug
(4)原仓库 review 这个 bug，如果是正确的话，就会 merge 到他自己的项目中 (review审查,merge合并)
(5)至此，整个 pull request 的过程就结束了。
4.Actions
抓取代码、运行测试、登录远程服务器，发布到第三方服务等等。GitHub 把这些操作就称为actions。如果你需要某个action，不必自己写复杂的脚本，直接引用他人写好的action即可，整个持续集成过程，就变成了一个actions的组合。
5.Projects
项目交互部分
(1)项目代码交互
(2)项目bug问题交互
6.Security
该存储库的安全公告
7.Insights
监控开发中重要绩效指标
尝试建立代码库
这里我建立一个私人代码库
建立成功
Gitee
使用测评
我们直接建立仓库
点击新建仓库
输入名称及类型
创建成功
采访
采访对象
计算机专业学生，有编程经验。
采访内容
使用github与gitee，并分享体验。
实际使用
综合评价
- 国内访问速度：
Gitee > GitHub - 开源代码丰富度：
GitHub >> Gitee
结论
GitHub---非常推荐
Gitee---一般
第二部分 分析
根据你对 <被评测软件> 的了解， 现在请估计这个软件/网站/服务 做到这个程度大约需要多少时间 (团队人数6 人左右, 计算机大学毕业生, 并有专业UI 支持)。 分析这个软件目前的优劣 (和类似软件相比), 这个产品的质量在同类产品中估计名列第几？ 它的市场份额估计第几？ 两者匹配么？ 不匹配的原因是什么？
Gitee：
优点：比国外代码托管平台访问速度快很多，因为是国内代码托管平台。支持 issue，wiki，私有仓库免费使用，保护分支是免费的。可以在线 IDE，仓库可以自动备份，禁止 git 强推，支持访问 IP 限制，敏捷开发管理，自动代码质量分析，代码克隆检测，自动生成 Javadoc，关联微信。国内代码托管平台中使用应该是最多的。
缺点：每个仓库有 1G 的容量限制，加入Unity 项目容易超出容量。
Github：
优点：代码开源这一块做的非常好。据说现在可以免费建私有仓库了，并且仓库数量无限制，但是唯一限制的是免费的私有仓库只能同时允许最多三个协作者，这对独立开发者和小开发团队来讲简直是福音。对 markdown 很友好。
缺点：只提供英文，对于英文不好的人来说可能使用有障碍。只支持 git 格式代码托管，不对 csv，svn，hg 等进行支持。私有库有一点限制，就是对协作者的数量进行了限制。国内对 github 的访问速度可能比较慢。
总结
对于GitHub：这个产品的质量在同类产品中估计名列第一，它的市场份额估计第一。作为开源项目代码托管平台，依据GitHub的数据，2021年中国有755万程序员，排名全球第二。放眼全球，程序员数量已经超过7300万，比2020年增长了1700万。足以证明其在同等行业中地位。根据预测，2025年GitHub上的程序员估计能达到1亿。
Gitee和GitHub的区别GitHub是全英文并且用户基数多，知名的库也多，而Gitee全是中文，而且大部分用户都是国人，优秀的库相对于GitHub也少，在国内访问Github偶尔会有不稳定情况，而Gitee不会出现不稳定情况。
改进建议
Github：优化国内用户使用及访问体验。
Gitee：1.用户下载发行版的文件需要登录
2.上传需要要绑定手机号
3.超过五人的大型团队需要使用企业版收费了，退了代码高峰期机器的IO几乎是负载的，这个时候系统非常缓慢，他的系统扩容不完 善。
4.操作不方便，没有对应的本地APP可以进行本地仓库和更多操作和管理，操作界面不简洁
规划
NABCD分析
| Need | 更简洁更实用的使用体验 |
| Approach | 加大宣传力度，激励创作 |
| Benefit | 全球程序员都是潜在用户 |
| Competitors | gitlab等同类型网站 |
| Delivery | 加大宣传积极与各个厂商，大学等知识产出地合作 |
人员配置：
前端：2人
后端：2人
测试：1人
界面美化：1人
| 1-2周 | 总结现有问题，部署任务 |
| 3-7周 | 开始工作 |
| 8周 | 中期总结 |
| 9-11周 | 改进不足 |
| 12-13周 | 细节完善，正式测试 |
| 14-15周 | 用户测试，通过反馈汇总问题，改进 |
| 16周 | 最终测试完成后，进行正式使用 |
相关推荐
技术转移机构如何基于数据提升项目撮合精准度？.docx
技术转移机构如何基于数据提升项目撮合精准度？
超扭滑模与快速终端滑模的永磁同步电机无感控制：理论、离散化实现与仿真研究（Simulink仿真实现）
内容概要：本文系统研究了超扭滑模控制（STSMC）与快速终端滑模控制（FTSMC）在永磁同步电机（PMSM）无感控制中的应用，重点涵盖其理论基础、离散化实现方法及Simulink仿真验证。文章深入阐述了两种高阶滑模控制策略的设计原理，利用磁链无感观测技术实现转子位置与速度的精确估计，从而省去物理传感器，有效提升了系统的可靠性与鲁棒性。同时，提供了完整的Simulink仿真模型构建方案，包括控制器设计、关键参数整定及动态响应性能分析，充分验证了所提出的方法在零速与低速工况下的卓越控制性能和有效性。; 适合人群：具备电机控制、现代控制理论基础知识及熟练掌握MATLAB/Simulink仿真技能的研究生、科研人员与工程技术人员。; 使用场景及目标：①深入理解高阶滑模控制在电机驱动系统中的设计思想与具体实现；②掌握基于滑模观测器的无感控制核心技术；③开展永磁同步电机高性能控制算法的理论研究、仿真验证与工程化探索。; 阅读建议：建议将文中详尽的理论推导与Simulink仿真模型相结合进行学习，重点关注滑模面的构建、抖振抑制策略的实施以及离散化处理的细节，有条件的研究者可进一步将算法移植到DSP等硬件平台进行实验验证，以深化对理论的理解并检验其实际应用效果。
多源动态最优潮流的分布鲁棒优化方法（IEEE118节点）（Matlab代码实现）
内容概要：本文系统阐述了基于Matlab的多源动态最优潮流分布鲁棒优化方法，聚焦于IEEE118节点电力系统，旨在应对高比例可再生能源接入背景下源荷双重不确定性所带来的调度挑战。该方法深度融合分布鲁棒优化理论，通过构建能够抵御最坏情况概率分布的决策模型，有效提升了电力系统在复杂不确定性环境下的运行安全性、经济性与可靠性。研究不仅提供了完整的Matlab代码实现，便于结果复现与算法验证，还特别关注了含风电等新能源的现代电网低碳调度问题，为解决实际工程中的优化调度难题提供了强有力的理论支撑和技术工具。; 适合人群：具备电力系统分析基础和Matlab编程能力的研究生、科研人员及从事智能电网优化运行、能源系统规划等相关领域的工程技术人员。; 使用场景及目标：①研究含高比例可再生能源接入的电力系统动态最优潮流问题；②掌握分布鲁棒优化在电力系统经济调度、低碳调度中的建模思想与求解方法；③利用IEEE118标准测试系统进行算法有效性验证与性能对比分析；④基于所提供的Matlab代码进行二次开发，探索新型不确定性优化理论在电力系统中的创新应用。; 阅读建议：建议读者结合电力系统最优潮流、不确定性优化理论（特别是分布鲁棒优化）的背景知识进行学习，重点关注模型的构建逻辑、目标函数与约束条件的设计原理，以及Matlab代码的具体实现细节。在学习过程中，应动手调试代码，尝试修改系统参数（如新能源出力波动范围、负荷水平等），以观察不同场景下优化结果的变化，从而深刻理解该方法的适应性、优势及其潜在的局限性。
车间调度基于GA、PSO、SA、ACO、TS优化算法的车间调度比较研究（Matlab代码实现）
内容概要：本文系统性地比较了遗传算法（GA）、粒子群优化（PSO）、模拟退火（SA）、蚁群优化（ACO）和禁忌搜索（TS）五种智能优化算法在车间调度问题中的性能表现，并提供了基于Matlab的完整代码实现。研究聚焦于调度优化的核心目标——最小化完工时间（makespan），通过标准测试案例对各算法的收敛速度、求解精度和稳定性进行了深入对比分析，旨在为实际生产调度中算法的选择与改进提供科学依据。文中不仅详述了每种算法的设计思路与关键参数设置，还展示了其实现逻辑，便于读者理解、复现与拓展。; 适合人群：从事智能制造、工业工程、运筹优化等相关领域的研究人员，以及具备Matlab编程基础、希望将智能优化算法应用于实际调度问题的研究生和工程师。; 使用场景及目标：① 掌握主流智能优化算法在解决NP-hard车间调度问题上的具体应用与差异；② 学习如何利用Matlab实现并对比不同优化算法的性能；③ 为解决生产制造、物流配送等领域中的资源调度难题提供算法选型和技术参考。; 阅读建议：建议读者在阅读时重点关注各算法的Matlab实现代码和实验结果对比部分，动手运行代码以直观感受不同算法的寻优过程和效果差异。同时，可结合具体调度约束条件，尝试调整算法参数或融合多种算法思想，以深化对优化机理的理解。
3D人物伍子胥智能对话及反应动作报告
3D人物伍子胥智能对话及反应动作报告
