2023年福大-软件工程实践-W班
从0到1：我在软件工程之旅中的探索与收获
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 | 软件工程实践总结&个人技术博客 |
| 这个作业的目标 | 课程回顾与总结 个人技术总结 |
| 其他参考文献 | 无 |
目录
- 第一部分：课程回顾与总结
- 一、针对《阅读之法》提出的问题回顾：
- Q4:如何让自己能够跟上软件工程发展，做一个永不落伍的开发者呢？
- Q5:在项目或程序比较复杂的情况下，如何高效率的进行程序理解？
- 二、软件工程项目的收获
- 三、课程的自我评分
- 第二部分：个人技术总结
第一部分：课程回顾与总结
一、针对《阅读之法》提出的问题回顾：
Q4:如何让自己能够跟上软件工程发展，做一个永不落伍的开发者呢？
要做一个永不落伍的开发者，我认为首先需要保持对新技术的好奇心和热情，始终保持学习的心态。其次，需要持续性地去阅读业界的新闻和文章，了解新的技术趋势。最后，不断实践和尝试新的工具和技术，通过实际操作来提高自己的技能。
Q5:在项目或程序比较复杂的情况下，如何高效率的进行程序理解？
当面临一个复杂的项目或程序时，首先需要对其整体架构有一个清晰的理解，知道各个部分是如何组合在一起的。然后，可以通过阅读代码、注释和文档，以及通过调试代码来理解具体的实现细节。此外，我认为与其他成员进行交流也是非常重要的，他们可以帮助我理解代码的背景和目的，以及他们在编写代码时面临的挑战和考虑。
二、软件工程项目的收获
在项目的各个阶段中，我都有了一些重要的收获。
需求阶段：我学会了如何有效地沟通，理解用户的需求，并将这些需求转化为可操作的项目目标。我也学习了如何创建需求文档，明确地记录所有的需求和预期的结果。
设计阶段：我深化了对软件设计原则和模式的理解，并学会了如何将这些原则应用到实践中。我也学会了如何使用UML等工具进行设计，并了解了如何进行设计审查。
实现阶段：这个阶段使我得以将理论应用到实践，从而更深入地理解各种编程语言和技术。我也提高了我的问题解决能力，学会了如何有效地debug和解决问题。
测试阶段：我了解了各种测试技术和工具，包括单元测试、集成测试、系统测试和验收测试。我也学会了如何编写测试用例和测试计划，并了解了如何进行测试覆盖率分析。
发布阶段：我学会了如何将软件部署到生产环境，并了解了如何进行版本控制和更改管理。我也了解了持续集成和持续部署的重要性，并学会了如何使用相关工具。
总结：在这门课程中，我获得了明显的成长，尤其是在理解软件开发的全过程、掌握需求分析技巧，以及提升团队合作和沟通技能上。以前，我总是在软件开发过程中摸着石头过河，而现在我有了清晰的框架和方法指导。
三、课程的自我评分
- 目标1：85%，我在理解职业道德和实践要求上有所提升，但对于软件产品对社会、健康文化等影响的理解还需深化。
- 目标2：90%，我已经熟练掌握了需求分析的全过程，可以准确地表达客户的需求。
- 目标3：60%，我能够遵循体系结构设计方法和基本设计原则完成设计，但在进行技术评审方面还有待提高。
- 目标4：75%，我能够执行技术评测，具备设计模型的评判能力，但在创新设计意识方面还需要加强。
- 目标5：85%，我能遵循软件开发各阶段文档标准，掌握了撰写文档的方法。
- 目标6：95%，我有良好的团队意识和合作技能，能够有效地与团队成员进行沟通和协作。
- 目标7：70%，我能够辨别软件项目管理的构成要素，但在项目管理过程中还需要更多实践经验。
第二部分：个人技术总结
我的学习路线主要集中在微信小程序的开发上，从基础的JavaScript语言学起，进一步学习微信小程序开发框架和API的使用，以及如何优化小程序的性能。
微信小程序的开发是我在团队项目中担任的角色，也是我获得技术进展最大的地方。我解决了小程序开发中的许多技术问题，如异步编程的问题、小程序与后台服务器的通信问题等。
概述：微信小程序作为一种轻量级的移动应用开发框架，其开发难度相对较低，能够快速开发出面向微信用户的移动应用。在这篇博客中，我详细描述了如何使用微信小程序开发框架进行应用开发，以及在开发过程中遇到的问题和解决方案。
在技术博客中，我首先介绍了微信小程序的基本概念和开发环境的搭建，然后详细阐述了如何编写小程序的页面结构、样式和逻辑，接着介绍了如何使用小程序提供的API进行网络通信、本地存储等操作。在这过程中，我遇到了一些问题，比如如何处理异步编程的问题，如何优化页面的加载速度等，我在博客中详细描述了这些问题以及我采取的解决方案。最后，我对微信小程序的开发进行了总结，并列出了我在学习过程中参考的资料和博客。
相关推荐
windows窗口界面的单机４人麻将游戏源码
除了普通打牌外还包括听牌考验，打牌时还能设置为明打、用户玩家默打、委托给程序等。
基于双闭环控制的反激式Flyback开关电源闭环仿真设计【仿真+文献+Mathcad计算书】
内容概要：本文围绕“基于双闭环控制的反激式Flyback开关电源闭环仿真设计”展开，提供了完整的仿真模型、技术文献及Mathcad计算书等资源。核心内容涵盖反激式开关电源的基本工作原理、双闭环控制系统（通常包含电压环和电流环）的设计与实现方法，以及利用仿真工具对其动态响应、系统稳定性、负载调整率等关键性能指标进行全面验证。文档不仅详细展示了电路参数的设计计算过程，还特别强调了理论分析与工程实践的紧密结合，适用于从事开关电源研发的技术人员进行深入学习与项目复现。; 适合人群：具备电力电子技术基础，熟悉开关电源基本原理，且拥有一定仿真软件操作经验的电气工程、自动化及相关专业的研究生、科研人员和工程师。; 使用场景及目标：① 掌握反激式开关电源双闭环控制系统的完整设计流程与工程实现细节；② 学习并实践基于仿真工具的电源系统建模、参数扫描及性能分析方法；③ 通过配套的Mathcad计算书深入理解关键设计参数的理论推导与计算依据，有效提升独立设计与优化能力。; 阅读建议：建议读者结合所提供的仿真文件、技术文献和Mathcad计算书进行系统性学习，首先理解整体设计思路与架构，然后逐步剖析各个功能模块的实现原理，并亲自动手操作仿真以验证和深化对理论分析的理解，从而达到理论与实践融会贯通的学习目标。
YOLO26算法室内手持遥控器目标检测+训练好的模型+111张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[遥控器(remote)] · 训练集：105 张 · 验证集：4 张 · 测试集：2 张 · 总计：111 张 该数据集聚焦于室内环境中手持遥控器的精准识别，旨在为智能家居系统、家电控制终端及人机交互设备提供高质量的视觉检测基础。通过覆盖多种握持角度与拍摄姿态，数据集有效模拟了真实用户操作场景，具备高度实用价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 60 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.9950** mAP50-95 | 0.7089 Precision | 0.9860 Recall | 1.0000 train/box_loss | 0.8613 train/cls_loss | 0.4944 val/box_loss | 1.2640 val/cls_loss | 0.4215 【训练过程分析】 我从头到尾盯着了 60 轮的训练曲线。前 30 轮，loss 情况是先快后慢。初期，模型似乎对识别遥控器这种特定物体有了飞快的反应，box_loss 跳水式地下降，从 1.2 下降到 0.9，然后 cls_loss 也快速收敛。不过，过了 30 轮，loss 曲线开始变得平滑，不再有显著波动，整体都保持在较低的水平，特别是 box_loss 没有出现明显的平台期或反弹现象。这说明模型在前半程对目标定位准确，且收敛... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。
基于PSO-DWA无人机三维动态避障路径规划研究（Matlab代码实现）
内容概要：本文研究了基于粒子群优化算法（PSO）与动态窗口法（DWA）相结合的无人机三维动态避障路径规划方法，并提供了Matlab代码实现。该方法利用PSO进行全局路径优化，以搜索从起点到目标点的最优路径，同时结合DWA实现局部动态避障，使无人机能够在飞行过程中实时规避静态或移动障碍物。通过融合两种算法的优势，不仅提升了路径规划的全局寻优能力，还增强了对复杂动态环境的适应性与响应速度。文中系统阐述了算法的设计原理、实现流程以及在三维空间中的仿真验证过程，充分展示了该方法在复杂场景下的有效性、鲁棒性及工程应用潜力。; 适合人群：具备一定MATLAB编程基础，从事无人机导航、智能优化算法、路径规划及相关领域的科研人员、研究生及工程技术人员。; 使用场景及目标：①应用于无人机在城市空域、灾害救援、智能巡检等复杂动态环境下的自主导航与实时避障任务；②为智能交通系统、移动机器人、无人车等领域的路径规划问题提供先进的算法参考与技术支持；③支持科研工作者复现、改进PSO-DWA混合算法，推动智能路径规划领域的创新研究与实践应用。; 阅读建议：建议读者结合提供的Matlab代码进行动手实践，按照文档结构逐步学习算法原理与实现细节，重点关注PSO与DWA的协同机制、参数配置策略及三维仿真环境的构建方法，深入理解算法在动态避障中的决策逻辑，以便更好地掌握其核心技术并应用于实际科研与工程项目中。
车间调度基于非支配排序遗传算法NSGAII的柔性作业车间调度问题研究（Matlab代码实现）
内容概要：本文系统研究了基于非支配排序遗传算法（NSGA-II）的柔性作业车间调度问题（FJSP），旨在解决多目标优化背景下制造系统中的复杂调度难题。通过Matlab代码实现，该方法能够有效处理多个相互冲突的优化目标，如最小化最大完工时间（makespan）、均衡机器负载以及降低生产成本等。文中深入阐述了NSGA-II算法在FJSP中的具体应用机制，涵盖问题建模、染色体编码策略、适应度函数构造、非支配排序与拥挤度距离计算等关键技术环节，并结合典型算例开展仿真实验，充分验证了算法在求解质量与收敛稳定性方面的优越性能。研究还进一步分析了关键参数对优化结果的影响，提出了合理的参数配置方案，增强了算法的实用性与鲁棒性。; 适合人群：具备一定优化算法理论基础和Matlab编程能力的研究生、高校科研人员以及从事智能制造、生产调度系统开发的工程技术人员。; 使用场景及目标：①为制造企业实现高效的柔性作业车间调度提供可行的智能优化方案；②作为多目标优化问题的经典案例，为NSGA-II算法的学习、复现与改进提供完整的代码参考与实践指导；③支撑学术研究中关于智能算法在生产调度领域应用效果的验证与对比分析。; 阅读建议：读者应结合Matlab代码与文中的算法流程进行对照学习，重点关注非支配排序、精英保留策略及选择操作的代码实现细节，建议通过调整种群规模、交叉变异概率等参数来探究其对Pareto前沿分布的影响，并尝试在不同的FJSP标准算例上进行测试，以深化对算法性能的理解和掌握。
