答题玩家α冲刺--冲刺day3

答题玩家团队账号 2025-11-01 22:19:11
这个作业属于哪个课程2501_CS_SE_FZU
这个作业要求在哪里团队作业α冲刺
这个作业的目标记录冲刺阶段每一天的进程
其他参考文献暂无

目录

  • 1、站立式会议
  • 2、各成员进展总结
  • 3、代码签入记录
  • 4、项目运行过程截图
  • 5、项目燃尽图
  • 6、今日总结

1、站立式会议

img

2、各成员进展总结

学号姓名任务进展存在困难/问题明日安排心得体会
102300113叶佳康改善排行榜界面和错题ui,实现错题跳转功能UI设计与实现之间差距有点大,要花更多时间去实现继续学习JavaScript语法规范代码看着很舒服
102300116吴千晔创建统一异常类以及响应类无继续学习无
102300120覃俊源完善首页-专项刷题的功能无继续完善功能无
102300129柯振宇测试相关功能,检查部分接口的代码块无继续检查其余部分功能及代码无
102300208蔡少钦优化整个代码并整合所有人代码继续学习继续完善界面和学习xml和css无
102300209蔡宇鹏新增了获取答题记录和提交答案接口maven扩展更新继续开发接口暂无
102300222苏忠朝添加数据库数据无与前端接口对接数据量很大ai生成有点复杂
102300224王上政实现信息修改的同步无与后端对接同步很难实现

3、代码签入记录

2501_CS_SE_FZU

img

后端使用gitee进行版本控制
gitee.com

img

4、项目运行过程截图

仍在开发起始阶段没有运行和测试截图

img

img

5、项目燃尽图

img

6、今日总结

冲刺第三天,基本追上了计划进度,也熟悉了开发环境以及新的开发工具,接下来的开发应该会更加顺利。

...全文
88 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
下载代码方式:https://pan.quark.cn/s/a4b39357ea24 Language: 中文 欢迎来到戈戈圈! 当你点开这个存储库的时候,你会看到戈戈圈的图标↓ 本图片均在知识共享 署名-相同方式共享 3.0(CC BY-SA 3.0)许可协议下提供,如有授权遵照授权协议使用。 那么恭喜你,当你看到这个图标的时候,就代表着你已经正式成为了一名戈团子啦! 欢迎你来到这个充满爱与希望的大家庭! 「与大家创造更多快乐,与人们一起改变世界。 」 戈戈圈是一个在中国海南省诞生的创作企划,由王戈wg的妹妹于2018年7月14日正式公开。 戈戈圈的创作类型广泛,囊括插画、小说、音乐等各种作品类型。 戈戈圈的目前成员: Contributors 此外,支持戈戈圈及本企划的成员被称为“戈团子”。 “戈团子”一词最初来源于2015年出生的名叫“团子”的大熊猫,也因为一种由糯米包裹着馅料蒸熟而成的食品也名为“团子”,不仅有团圆之意,也蕴涵着团结友爱的象征意义和大家的美好期盼,因此我们最终于2021年初决定命名戈戈圈的粉丝为“戈团子”。 如果你对戈戈圈有兴趣的话,欢迎加入我们吧(σ≧︎▽︎≦︎)σ! 由于王戈wg此前投稿的相关视频并未详细说明本企划的信息,且相关视频的表述极其模糊,我们特此创建这个存储库,以文字的形式向大家介绍戈戈圈。 戈戈圈自2018年7月14日成立至今,一直以来都秉持着包容开放、和谐友善的原则。 我们深知自己的责任和使命,始终尊重社会道德习俗,严格遵循国家法律法规,为维护社会稳定和公共利益做出了积极的贡献。 因此,我们不允许任何人或组织以“戈戈圈”的名义在网络平台或现实中发布不当言论,同时我们也坚决反对过度宣传戈戈圈的行为,包括但不限于与戈戈圈无关的任何...
内容概要:本文围绕氢燃料电池极化曲线参数辨识与性能评估展开,采用人工蜂群算法(ABC)对质子交换膜燃料电池(PEMFC)的半经验模型进行高维非线性参数全局辨识,结合Amphlett电化学模型构建目标函数,通过Matlab代码实现极化特性反演,并开展多维度性能评估。研究重点涵盖模型参数的优化反演机制、人工蜂群算法的收敛性与敏感性分析、不同工况下输出特性的拟合精度验证,以及燃料电池内部活化过电压、欧姆过电压和浓度过电压等损耗成分的分解与效率量化,进而实现对燃料电池稳态性能的全面解耦与评估。; 适合人群:具备一定Matlab编程基础,从事新能源系统建模、燃料电池技术研究、电化学工程分析或智能优化算法应用的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握基于群体智能优化算法的燃料电池电化学模型参数辨识方法;②深入理解极化曲线拟合、过电压成分分解与性能退化评估的技术路径;③应用于燃料电池系统建模、状态估计、健康监测与能效优化等相关课题研究与工程仿真。; 阅读建议:建议读者结合文中提供的Matlab代码,复现参数辨识全过程,重点关注目标函数的设计逻辑、人工蜂群算法的实现细节、参数收敛过程的可视化分析以及仿真结果的对比验证,同时可拓展至其他智能优化算法(如PSO、GWO、SSA)的对比实验,以深化对模型可辨识性、参数唯一性与算法鲁棒性的理解。

103

社区成员

发帖
与我相关
我的任务
社区描述
2501_CS_SE_FZU
软件工程 高校
社区管理员
  • FZU_SE_LQF
  • 木村修
  • 心态773
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