网络民工——Beta冲刺Day2

网络民工队 网络民工队 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 + 加入社区
数据挖掘实战项目-从零实现决策树、朴素贝叶斯、KMeans与PCA,含清洗特征评估全流水线,33个源文件8457行 内容概要:190 页项目教程 + 一套从零实现的数据挖掘算法库与流水线,按源文件交付 33 个模块:数据集读取与 schema 校验、清洗(缺失填充、去重、IQR/Z-score 异常值、类别编码)、特征工程(标准化、分箱、多项式、方差/相关/卡方选择)、切分与分层 K 折交叉验证、CART 决策树(基尼、连续特征二分、剪枝)、朴素贝叶斯(高斯/多项式 + 拉普拉斯平滑)、KNN、线性回归(正规方程与梯度下降双实现、残差分析)、逻辑回归(交叉熵 + L2 + 梯度校验)、KMeans(k-means++ 与轮廓系数)、PCA(特征值分解与解释方差)、指标(混淆矩阵、P/R/F1、手算 ROC-AUC)、流水线(先切分后 fit,防数据泄漏)、报告与 CLI。 适合人群:要做数据挖掘课设或毕设的同学;只会调库、被问「决策树怎么分裂」答不上来的开发者;想把算法写成可跑代码而不是背公式的人。 使用场景及目标:照着教程手写每个算法,跑通三个可复现数据集,最后用一条命令跑完整流水线并输出指标报告;每个算法都配边界用例(空集、单样本、全同类、常数列、NaN),结论能被复算。 其他说明:33 个源文件 8,457 行,主机侧用例全部通过(本机 make test 实跑,只用标准库 + numpy,不依赖任何机器学习框架)。代码完整,无省略、无伪代码,数值下溢保护与参数校验全部保留。 立即下载
这个作业属于哪个课程2023年福大-软件工程实践-W班
这个作业要求在哪里团队作业——beta冲刺+事后诸葛亮
团队名称网络民工
这个作业的目标Beta冲刺Day2站立式会议、燃尽图、各成员项目进展
其他参考文献《构建之法》

目录

 

PM报告

工作进度估计

项目燃尽图

 工作总量变化

项目程序运行

scrum部分

合照

 每日进程:


PM报告

工作进度估计

任务总量已完成工作量剩余任务量
100%75%25%

项目燃尽图

 

 

 工作总量变化

主要是完善前端与后端之间的接口问题,和后端新增了一些功能,还有对alpha冲刺一些功能的完善。


项目程序运行

 攻击受击判定逻辑

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class PlayerAttack : MonoBehaviour
{
    public int damage;
    public float startTime;
    public float time;

    private Animator anim;
    private PolygonCollider2D m_collider2D;

    private PlayerInputActions controls;

    //void Awake()
    //{
    //    controls = new PlayerInputActions();

    //    controls.GamePlay.Attack.started += ctx => Attack();
    //}

    //void OnEnable()
    //{
    //    controls.GamePlay.Enable();
    //}

    //void OnDisable()
    //{
    //    controls.GamePlay.Disable();
    //}

    // Start is called before the first frame update
    void Start()
    {
        anim = GameObject.FindGameObjectWithTag("Player").GetComponent<Animator>();
        m_collider2D = GetComponent<PolygonCollider2D>();
    }

    // Update is called once per frame
    void Update()
    {
        Attack();
    }

    void Attack()
    {
        if(Input.GetButtonDown("Attack"))
        {
            anim.SetTrigger("Attack");
            StartCoroutine(StartAttack());
        }
    }

    IEnumerator StartAttack()
    {
        yield return new WaitForSeconds(startTime);
        m_collider2D.enabled = true;
        StartCoroutine(disableHitBox());
    }

    IEnumerator disableHitBox()
    {
        yield return new WaitForSeconds(time);
        m_collider2D.enabled = false;
    }

    //void OnTriggerEnter2D(Collider2D other)
    //{
    //    if (other.gameObject.CompareTag("Enemy"))
    //    {
    //        other.GetComponent<Enemy>().TakeDamage(damage);
    //    }

    //    if (other.gameObject.CompareTag("YellowStar"))
    //    {
    //        other.GetComponent<YellowStar>().GenGift();
    //    }
    //}
}

受击判定

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class Enemy : MonoBehaviour
{
    EnemyController2D ec;

    float move;
    bool jump;
    public float speed;
    public int health;
    public int damage;
    public float flashTime;
    public GameObject bloodEffect;
    public GameObject dropCoin;
    public GameObject floatPoint;

    private SpriteRenderer sr;
    private Color originalColor;
    

    // Start is called before the first frame update
    //void Start()
    //{
    //    ec = GetComponent<EnemyController2D>();

    //}

    //// Update is called once per frame
    //void Update()
    //{
    //    move = Input.GetAxis("Horizontal");
    //    move *= speed;
    //    jump = Input.GetButton("Jump");
    //}

    //private void FixedUpdate()
    //{
    //    ec.Move(move, jump);
    //}
}

 

 

scrum部分

合照

 

 每日进程:

---

学号:222000314

项目进展:与团队成员讨论项目需求和目标,并根据项目要求指定详细的工作计划和时间表

遇到的困难:与各个团队成员进行工作反馈和进度检查时,缺乏明确的沟通渠道,可能导致信息传递不畅,造成团队之间的沟通障碍。

明天安排:完成战斗模块的逻辑编写

成果展示:

 

---

学号:222000312
项目进展:编写beta冲刺第一天随笔,复习测试知识,安排工作时间,稍后测试
遇到的困难:内容驳杂,水平太低
明天安排:学习测试

 

---

学号:222000420
项目进展:优化场景效果
遇到的困难:判断需要有几个实体类并更新
明天安排:找素材
心得体会:使用unity可以加快工程速度

---

学号:222000305
项目进展:
丰富准备场景,增加部分场景物品逻辑,删除无用素材
遇到的困难:无
明天安排:完成准备场景逻辑模拟
心得体会:复用真是好
成果展示:

 

---

学号:222000422
项目进展:更新完善攻击脚本
遇到的困难:Background和Shadows的图层设置冲突,显示效果不佳
明天安排:更新完善战斗脚本
心得体会:学习使我进步

 

---

学号:222000306                     
今日进展: 配合队友完成部分测试   
遇到问题:测试的工具还不太熟练使用 
明天安排:完成部分用户使用调查报告的编写

---

学号:222000311
项目进展:编写敌人受击检测部分代码
遇到的困难:原本攻击的hitbox是在代码中实现生效和取消的,需要自行设置开始和持续时间来保持与动画一致。在与队友交流中得知可以使用动画关键帧事件,此方法无论性能和效果都较好。
明天安排:追加敌人受伤特效

 

 ---

学号:222000335

完成:测试游戏的各种场景

花费时间:2h

距离β结束:6天

存在问题:插入攻击动画出现bug

 到明天会议安排:完善游戏

---

学号:222000315

完成:继续完善关卡场景;
花费时间:3h;
距离β结束:6天;
存在的问题:场景中有个障碍的效果暂时有bug;
到明天会议前安排:解决bug;

...全文

相关推荐

A Survey of LLM Negotiation and Bargaining Agents |LLM谈判与议价智能体综述 |arxivreview

# A Survey of LLM Negotiation and Bargaining Agents |LLM谈判与议价智能体综述 |arxivreview 综述原文见 [ArxivReview](https://www.arxivreview.com/surveys/LLM%20Negotiation%20and%20Bargaining%20Agents) ## 导读 大语言模型(LLM)谈判智能体正经历从语言模拟向经济理性的范式跃迁,其核心矛盾在于人类对齐训练带来的亲社会偏见与博弈论要求的最优策略之间的冲突。早期研究聚焦于自然语言生成的流畅性,但NegotiationArena等基准迅速揭示了模型在策略推理上的系统性缺陷,如锚定偏差与过度合作。为修正这些非理性行为,研究重心转向可验证奖励强化学习(RLVR),利用客观经济信号替代主观人类偏好,显著提升了剩余提取能力。与此同时,情感策略蒸馏与机制可解释性分析作为互补路线,分别解决了边缘部署中的能力缺失与偏差的神经基础问题。各路线在策略理性、部署效率与可解释性之间做出了不同取舍,由此形成当前多元并存的方法格局。本综述梳理这条从行为优化到机制理解的因果演进链条,为读者提供一张领域认知地图。全文按问题演化与路线取舍组织,覆盖该领域从奠基到当前的主要工作。 ## 1. 研究背景、问题结构与演进脉络 LLM谈判与议价智能体领域的兴起,源于大语言模型从静态文本生成向自主智能体(Autonomous Agents)的范式转变。早期研究如Lewis et al. (2017)提出的DealOrNoDeal和He et al. (2018)的CraigslistBargain,局限于基于规则或简单神经网络的文本谈判协议,缺乏对复杂策略推理和自然语言说服力的建模。这些工作确立了基于对话历史的策略生成与语言生成分离的早期架构,但仅

Jessica Zhan

typora编辑器 markdown Mac版本

typora编辑器 markdown Mac版本

沫离痕

蓝桥杯python中级真题-熊怪吃核桃(题目与思路)

蓝桥杯python中级真题-熊怪吃核桃(题目与思路)

沐墨染华

健康医疗AI大模型辅助诊断系统建设方案(二).pptx

健康医疗AI大模型辅助诊断系统建设方案(二).pptx

公众号:优享智库

集团公司卓越采购供应链管理体系规划建设方案.pptx

集团公司卓越采购供应链管理体系规划建设方案.pptx

公众号:优享智库
评论
收藏 已收藏
分享
返回顶部