重生之我是上校鸡块-冲刺日志Day10

frozen66 2023-11-19 00:03:03
这个作业属于哪个课程课程链接
这个作业要求在哪里作业链接
团队名称重生之我是上校鸡块
作业目标alpha冲刺Day10总结

冲刺进度

人员完成的任务完成任务时长(h)剩余时间(h)完成任务遇到的问题处理的方式
张显鸿学习部分socketio的知识2h0h
黄柱栋更新UI2h0h
黄斌源与修改room模块接口2h0h
许翁宇完成vlog2h0h
张凯权完成部分socket模块内容;编写单元测试;完成所有页面编写2h0h
陈浩楠更新需求文档、学习Qt4h0h
王琦改进代码2h0h
陈志航编写博客1h0h

GitHub签入记录

img


本次冲刺项目运行的截图

本次项目中,我们后端主要进行了加入房间与游戏演示的功能测试。同时,前端部分,实现选择地图等界面以及与后端的接口测试。

加入房间

img

前端界面

img


项目发展和燃尽图

项目发展

本次冲刺中,我们继续编码工作。逐步完善游戏的基础构建,实现了加入房间与游戏演示的内容,这些基础内容的实现,培养了成员之间的团队意识,提升了团队的合作能力,为对游戏主体部分的开发奠定了坚实的基础

燃尽图

img


会议内容记录

无

团队成员贡献表

成员完成任务贡献
张显鸿学习部分socketio的知识20%
黄柱栋更新UI10%
黄斌源与修改room模块接口15%
许翁宇完成vlog10%
张凯权完成部分socket模块内容;编写单元测试;完成所有页面编写25%
陈浩楠更新需求文档、学习Qt10%
王琦改进代码10%

实现用例情况

img

...全文
105 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【文章复现】非线性值迭代自适应动态规划(ADP):离散时间非线性系统的策略迭代自适应动态规划算法研究(Matlab代码实现)内容概要:本文详细介绍了非线性值迭代自适应动态规划(ADP)在离散时间非线性系统中的应用,重点研究了策略迭代自适应动态规划算法的设计与实现。文章通过构建数学模型,结合Matlab代码实现了对非线性系统的控制策略优化,分析了算法在不同工况下的性能表现,并探讨了其在工程实践中的可行性和有效性。研究涵盖了系统建模、控制器设计、仿真验证等关键环节,旨在为复杂非线性系统的自动化控制提供新的解决方案。; 适合人群:具备一定编程基础和控制系统理论知识的科研人员或工程师,特别是从事自动化、人工智能、智能控制等相关领域的研究人员。; 使用场景及目标:①为非线性系统的控制问题提供有效的数值求解方法;②通过Matlab编程实践加深对自适应动态规划算法的理解;③推动ADP算法在工业自动化、机器人控制、智能制造等领域的应用研究; 阅读建议:建议读者结合Matlab软件进行代码复现,深入理解算法细节,并尝试将其应用于其他类型的非线性系统中,以检验算法的普适性和鲁棒性。同时,鼓励查阅相关文献,进一步拓展对该领域前沿技术的认识。
内容概要:本文研究了基于粒子群算法(PSO)优化K-means聚类的居民用电行为分析方法,并提供了完整的Matlab代码实现。针对传统K-means算法对初始聚类中心敏感、易陷入局部最优的问题,引入粒子群算法进行优化,利用PSO的全局搜索能力来寻找更优的初始聚类中心,从而提升聚类的准确性和稳定性。研究以居民用电数据为对象,通过PSO-Kmeans方法对用户的用电模式进行分类,旨在更精确地识别不同类型的用电行为,为电力公司的精准营销、需求侧管理和个性化服务提供数据支持。文中详细阐述了算法的实现流程,并通过仿真实验验证了该方法相较于传统K-means的有效性。; 适合人群:具备一定数据分析和机器学习基础,对智能优化算法和电力系统数据分析感兴趣的科研人员、研究生及电力行业从业者。; 使用场景及目标:①应用于居民用电行为的精准分类与模式识别;②解决传统聚类算法初始值敏感和局部收敛问题,提升电力大数据分析的准确性;③为电力需求侧管理、负荷预测和制定差异化电价策略提供技术支持。; 阅读建议:此资源结合了理论算法与Matlab代码实现,建议读者在理解PSO和K-means算法基本原理的基础上,动手实践所提供的代码,通过调整参数和分析运行结果来深入掌握该混合优化算法在实际数据处理中的应用效果。
内容概要:本文提出了一种用于多源动态最优潮流问题的分布鲁棒优化方法,并以IEEE118节点电力系统作为典型算例进行验证,配套提供了完整的Matlab代码实现。该方法旨在应对高比例可再生能源接入背景下源端出力的不确定性,在确保电网安全稳定运行的前提下,优化电力系统的动态调度方案。研究通过构建分布鲁棒优化模型,能够在未知不确定性变量精确概率分布的情况下,寻求对最坏可能场景具有强鲁棒性的优化解,从而有效提升了电力系统在复杂多变环境下的调度可靠性与经济性。; 适合人群:具备电力系统分析、现代优化理论及Matlab编程基础的研究生、科研人员及电力行业工程师。; 使用场景及目标:①解决高渗透率可再生能源并网带来的多源动态最优潮流计算难题;②为电力系统调度员提供一种考虑不确定性的鲁棒调度决策支持工具;③作为电力系统优化、鲁棒优化等领域的教学与科研的代码参考实例。; 阅读建议:此资源以Matlab代码为核心,紧密结合理论模型与数值实现,建议读者在学习时同步研读相关的高水平学术论文,以深入理解分布鲁棒优化模型的构建原理,并亲自动手运行和调试代码,通过修改系统参数和测试不同场景来加深对方法的理解与掌握。

121

社区成员

发帖
与我相关
我的任务
社区描述
2023秋-福州大学软件工程
软件工程 高校
社区管理员
  • fzusdn
  • 篱隙光远
  • Jason_Zhou1
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