CRL Team——β冲刺Day3

CRLTeam 2025-11-26 23:15:41
这个作业属于哪个课程2501_CS_SE_FZU
团队名称CRL Team
这个作业要求在哪里团队作业—Beta冲刺
这个作业的目标β冲刺Day3
其他参考文献无

目录

  • 一、SCRUM部分
  • 1.提供当天站立式会议照片一张
  • 2.每个人的工作
  • 1)会议前已完成的工作
  • 2)下次会议计划完成的任务
  • 3)项目测试报告
  • 二、PM报告
  • 1.项目任务量
  • 2.项目燃尽图
  • 3. 任务总量图
  • 4.项目程序运行截图
  • 三. 附录
  • 1. 项目测试报告

一、SCRUM部分

1.提供当天站立式会议照片一张

img

2.每个人的工作

1)会议前已完成的工作

成员完成情况
应国浩已优化短信验证码服务接口,将响应延迟从平均3秒降低至1秒以内,并修复了验证码重复发送的漏洞
张铭鑫已修复图形验证码异常刷新问题,现在验证码在有效期内保持稳定,同时优化了前端验证码组件的交互逻辑
陈宗冉已完成个人中心模块的前端开发,实现了个人的学习资源及帖子展示功能,并优化了页面加载性能
郑炜豪已优化文件管理的添加逻辑,优化实现新建文件夹和新建文件功能
邱毅伟已修复搜索帖子时的异常报错问题,完善了关键词过滤机制,并优化了搜索结果排序算法
都正宇已解决发布帖子时的前端异常报错,修复了表单提交逻辑和内容校验规则,并增强了错误提示信息
张天荣已完成学习任务管理模块的黑盒测试,发现并记录了3个前端交互问题,包括任务状态更新延迟和筛选功能异常等

2)下次会议计划完成的任务

每个人的任务分配如下

成员计划
应国浩修复学习计划模块发现的后端若干问题
张铭鑫修复学习计划模块发现的前端若干问题
陈宗冉修复文件管理模块发现的前端若干问题
郑炜豪修复文件管理模块发现的后端若干问题
邱毅伟测试学习计划、学习社区等模块,寻找潜在问题
都正宇测试文件管理等模块,寻找潜在问题
张天荣修复任务状态更新延迟和筛选功能异常等问题

3)项目测试报告

由于报告过长,为了不影响阅读,测试报告在附录

二、PM报告

1.项目任务量

  • 预期任务量:55 (100%)

  • 已完成任务量:7 (0%)

  • 剩余任务量:35 (100%)

2.项目燃尽图

img

3. 任务总量图

img

4.项目程序运行截图

  1. 个人中心模块

img

  1. 学习计划模块

img

  1. 文件管理模块

img

三. 附录

1. 项目测试报告

img

...全文
142 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
内容概要:本文对最小均方(LMS)算法和归一化最小均方(NLMS)算法进行了系统的比较分析,重点探讨了NLMS算法在抵抗输入信号相关性方面的优越性。通过Matlab代码实现了两种算法,并在相同仿真条件下进行性能对比,结果表明NLMS在处理高度相关的输入信号时表现出更快的收敛速度和更高的稳定性。文章详细阐述了两种算法的数学原理、迭代更新公式及其在自适应滤波中的典型应用场景,深入剖析了NLMS通过引入归一化步长机制有效克服输入信号功率波动对收敛性能影响的内在机理。同时提供了完整的仿真流程、参数设置与实验验证,充分展示了NLMS在实际工程应用中的优势。; 适合人群:具备一定信号处理、自适应滤波理论基础的研究生、科研人员,以及从事通信系统、音频处理、回声消除、控制系统等领域的工程技术人员。; 使用场景及目标:①为自适应噪声抵消、系统辨识、信道均衡等工程问题中的算法选型提供理论依据与实践参考;②深入理解LMS与NLMS算法的核心差异,掌握NLMS在应对输入相关性问题上的设计思想与性能优势;③为高校教学实验、科研项目开发提供可复现、可扩展的Matlab仿真代码支持。; 阅读建议:建议读者结合所提供的Matlab代码运行仿真,观察不同输入相关性条件下两种算法的收敛曲线变化,深入体会归一化机制对算法鲁棒性的提升作用,同时可通过调整步长因子、信号相关性强度等参数进一步探究算法的性能边界与适用范围。
内容概要:本文研究了基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算法(THRO)的城市空中交通多无人机路径规划问题,并通过Matlab代码实现。研究聚焦于复杂城市环境中多无人机系统的路径规划挑战,提出融合三种仿生优化算法的混合策略,旨在解决避障、路径最短、飞行安全与资源分配等多目标优化问题。文中详细阐述了各算法的生物启发机制、搜索行为建模及其在路径规划中的协同优化框架,构建了从环境建模、个体行为模拟到群体协同决策的完整求解体系。通过大量仿真实验验证了该混合算法在提升路径规划效率、降低能耗、增强系统鲁棒性与动态适应性方面的显著优势,尤其在高密度飞行场景下表现出优异的冲突规避能力和资源均衡能力,为未来城市空中交通(UAM)系统的智能化管理提供了有效的技术路径与理论支撑。; 适合人群:具备一定编程基础,熟悉Matlab仿真环境,从事智能优化算法、无人机路径规划、智能交通系统、多智能体协同控制等相关领域研究的科研人员及研究生。; 使用场景及目标:① 探索新型仿生优化算法在复杂多智能体路径规划中的融合应用;② 解决城市环境中多无人机协同飞行的动态避障、资源竞争与任务分配问题;③ 为城市物流配送、应急救援、空中巡检等实际应用场景提供高效、安全、可扩展的路径规划方案; 阅读建议:建议结合Matlab代码进行仿真实践,重点关注算法参数敏感性分析、收敛性能评估与多目标权衡机制,同时可将其与传统优化算法(如PSO、GA、ABC)进行对比实验,深入理解混合优化策略在复杂搜索空间中的优势边界与适用条件。

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