NO PAIN NO GAIN——2023秋软工实践个人总结博客
一.学期回顾
1.1 回顾你对于软件工程课程的想象
时隔三个月打开我的第一篇软工作业博客,看着当初对于软工这门课程的憧憬。我很确信这些都实现了,软件工程课程的确从方方面面带来了很多收获,我认为这门课程的意义超越了我过去学习的大部分课程。在这门课程中,我学到了很多技术,如GitHub的基本使用,爬虫技术,前端技术,原型设计和git协作等。软工课程有效地让我找到了定位,清楚作为一名计算机专业的学生应该具备什么样的能力。软工实践让我切实感受到当软件开发工程师的乐趣和挑战。在心态上,经历过alpha冲刺和beta冲刺后,我也深刻体会到当一个程序员的不易与心酸,同时也感受到了团队协作过程的快乐和成就感。这份作业教会我们遇事不要慌张,反正明天总会到来。对于这门课程,我最大的收获并不是技术上的提升,而是第一次体验到了团队协作编程的乐趣和过程中面临的问题。
1.2 回顾你在这门课程投入与产出
在软工实践课程当中我编写了1500行代码。
(1)在第一次个人项目中,学习了个人博客的基本搭建方法,初步接触前端三件套的知识,也算是第一次步入软工这门课的大门,最后写出了还算是让自己满意的个人博客
(2)在第二次个人项目中,学习了python爬虫技术
(3)在结对作业中,我还是负责前端界面的编写,因为后端比较难上手,时间来不及┭┮﹏┭┮
(4)最后是团队协作,是我们耗费时间最多的一个环节,也是收获最多的一个环节,在团队编程环节,我学到了unity游戏开发的基础知识,并浅浅学习了C#脚本的编写,最终在队长和大佬队友的带领下,做出了优秀的成品
| 时间 | 作业 | 花费时间 |
|---|---|---|
| 09.01~09.08 | 第一次个人作业 | 8h |
| 09.08~09.15 | 第二次个人作业 | 35h |
| 09.15~09.28 | 第一次结对编程作业 | 20h |
| 09.28~10.07 | 第二次结对编程作业 | 15h |
| 10.07~10.23 | 团队介绍、选题报告、需求分析报告 | 2h |
| 10.23~11.03 | 原型设计、概要设计 | 2h |
| 11.04 | 团队现场编程 | 5h |
| 11.04~11.18 | 团队项目Alpha冲刺阶段 | 30h |
| 11.22~12.16 | 团队项目Beta冲刺阶段与终期总结 | 10h |
| 12.08~12.19 | 个人学期总结博客作业 | 2h |
在软件工程课程上花费的时间
| 累计时间 | 实际周均时间 | 预计周均时间 |
|---|---|---|
| 129h | 8h | 7h |
1.3 令你印象最深刻的是哪一次作业或哪一场答辩?为什么这次作业或这场答辩令你印象深刻?
我对含有编程任务的作业印象都挺深刻的,因为在这个过程中踩过很多坑,写出来的代码经常无法实现预期的功能(写代码五分钟,debug两小时)。令我印象最深刻的作业是团队项目的alpha冲刺阶段。这个作业我们迎来了团队协作编程,并且编程任务的难度是前面的作业无法比较的。而在这个阶段,刚好我和我们小组的队长还要参加校运会,所以常常带着疲惫的身躯完成开发任务。完成这个作业的曲折和辛酸只有我们小组的成员懂得TT。
总结收获
2.1 展开说说你的软工实践故事
在第一次个人项目中,学习了个人博客的基本搭建方法,初步接触前端三件套的知识,也算是第一次步入软工这门课的大门,最后写出了还算是让自己满意的个人博客

结对作业中,我还是负责前端界面的编写,因为后端比较难上手,时间来不及┭┮﹏┭┮

最后是团队协作,是我们耗费时间最多的一个环节,也是收获最多的一个环节,在团队编程环节,我学到了unity游戏开发的基础知识,并浅浅学习了C#脚本的编写,最终在队长和大佬队友的带领下,做出了优秀的成品

2.2 介绍学习到的新技术或生产力工具以及它们给你带来了哪方面的帮助?
爬虫
爬虫技术可以帮助我快速地获取相关主题的论文及其摘要、关键词等信息。我能够更高效地查找和筛选相关论文。
前后端连接
在数据库管理系统开发中,前后端连接技术可以帮助我更方便地对数据库进行查询和管理。通过编写简单的代码实现前端页面到后端数据库的数据传输,并且可以对数据库进行修改、删除、更新等操作。
前端开发
学习前端开发可以提高我的美工能力和用户体验设计能力,让我更关注页面的展示效果和用户操作体验。
git协作
使团队协作更加规范化,提高了团队合作效率
2.3 技术之外,这门课程还给你带来了哪些方面的提升?
团队协作能力
在软件工程课程中,我有机会与其他同学组成团队,共同完成项目和任务。通过团队合作,我学会了有效地与他人沟通和协调分工。
解决问题的能力
软件工程课程中经常遇到各种技术和设计上的问题,需要进行分析、归纳和解决。通过这些练习,我培养了良好的问题解决思维和方法。
心态和态度
软件工程课程的学习过程中,我遇到了许多挑战和困难,例如调试bug、处理复杂的代码逻辑等。这锻炼了我的耐心、毅力和积极的心态。
三.致谢
首先感谢结对队友显鸿,第一次体会到结对编程的乐趣和心酸,也第一次做出了上线项目,成就感满满。
感谢团队作业的组长,在没有人有意愿担任队长的情况下,超哥挺身而出,成为我们小组的组长。他以出色的领导力和卓越的团队合作精神,为整个小组的学习和成长注入了活力。他秉持着不抛弃、不放弃的心态,始终坚定地陪伴着每一位同学完成编程作业并提出了许多宝贵的修改意见,为作业的完善和提升质量贡献了很多智慧和经验。还要感谢团队大佬浩哥,凭一己之力带领我们走向巅峰。
感谢团队的队友们,你们给我带来了丰富的情绪价值。通过共同的合作努力,我们成功完成了每一份作业。感激每一位队友在团队中的独特贡献,期待未来还能有更多的合作机会,一起创造更多美好的团队回忆。
最后感谢栋哥和助教学长学姐,虽然任务完成过程很痛苦,但也是守得云开见月明,使我收获到了前所未有的编程体验。
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


