任务1：阅读《现代软件工程—构建之法》第3-4章内容，理解并掌握代码风格规范、代码设计规范、代码复审、结对编程概念

1.代码风格规范：代码风格的原则是：简明，易读，无二义性。代码风格规范主要涉及以下几个方面的内容：缩进，行宽，括号，断行与空白的{}行，分行，命名，下划线，大小写，以及注释。
2.代码设计规范：函数，goto,错误处理以及如何处理C++中的类。
3.代码复审：看代码是否在“代码规范”的框架内正确地解决了问题。主要有自我复审，团队复审以及同伴复审三种方式。
4.结对编程：两人结对编程，一对程序员肩并肩，平等地，互补地进行开发工作。

任务2：两两自由结对，对结对方《实验二 软件工程个人项目》的项目成果进行评价

• 博客评论

1. 博文结构：
   整体结构较为简练，条目清晰，但在排版上存在一定的欠缺。
2. 博文内容：
   总体上完成了要求的内容，以各任务为中心构成行文路线。但对于项目描述的详细程度有所不足，在“模块化”等方面也有一定欠缺。
3. 博文结构与PSP中“任务内容”列的关系：
   博文结构与“内容任务”列并非完全对应。博文结构主要应用“从面至点”的思路，由整体开发思路到详细编码内容。
4. PSP中“计划共完成需要的时间”与“实际完成需要的时间”两列数据的差异化分析与原因探究：
   实际完成需要的时间比计划共完成需要的时间更长，作者提到其自身编码能力有所不足，且项目开发过程中换用了一种编程语言，导致了实际时间的增加。

• 克隆项目，阅读并测试

  • 克隆项目至本地文件夹
    
  • 将项目导入PyCharm进行测试
    
    观察到结对方没有完成全部所要求的功能，对于其已完成的数据读取、算法求解部分，基本实现了所要求的效果；但对于绘制散点图等功能未进行实现。

• 代码核查表

• 结对方项目仓库中的日志数据

  • Commits数据：如图所示，帮助结对方完成了散点图绘制的功能。
    

  • Forks数据：如图所示，对结对方的项目进行了Fork操作。
    

任务3：采用两人结对编程方式，设计开发一款{0-1}KP实例数据集算法实验平台

1. 项目背景：
   {0-1}背包问题：有N件物品和一个容量为M的背包。第i件物品所占空间是w[i]，价值是v[i]。求解将哪些物品装入背包可使价值总和最大，对于每件物品，仅有取与不取两个状态。

2. 需求分析：
   通过对需求文档进行分析，得到系统有如下模块：

   • GUI页面：
     采用Web页面的方式实现GUI。
   • 数据读入与处理：
     正确读入实验数据文件的有效{0-1}KP数据，并将其处理为便于后续操作的数据形式。
   • 数据展示（拓展）：
     选择任意一组已经读入的数据并展示。
   • 散点图绘制：
     绘制任意一组{0-1}KP数据以价值重量为横轴、价值为纵轴的数据散点图。
   • 排序：
     对任一组{0-1}KP数据按重量比进行非递增排序。
   • 贪心算法：
     采用贪心算法求解不超过背包容量的最大价值和解向量。
   • 动态规划算法：
     采用动态规划算法求解不超过背包容量的最大价值和解向量。
   • 回溯算法：
     采用回溯算法求解不超过背包容量的最大价值和解向量。
   • 遗传算法：
     采用遗传算法求解不超过背包容量的最大价值和解向量。
   • 文件保存：
     将求解时间，最大价值，解向量保存至文件中。
   • 操作日志：
     记录系统操作的日志信息。
   • 数据库保存：
     将数据集、日志数据存入数据库。

3. 功能设计：
   根据需求分析，我绘制了如下的功能设计图（点击以查看大图）。
   

4. 系统概述：

   • 运用的技术及框架：
     • 前端：Layui
     • 后端：Spring Boot, Maven
     • 数据库：MySQL
   • 前端页面：（点击以查看大图）
     • 
   • 后端类：
     • 
   • 数据库模型：
     • 

5. 详细设计及代码展示：

• \(OperateRoute\) 类：
  用于处理各页面中上传文件、展示文件、排序、算法求解等操作。对于每个不同页面/不同操作相对应的部分，使用@RequestMapping()这一标签映射相应的URL。
  以散点图绘制的相应函数为例。

@RequestMapping("/scotPicture/{FileName}")
public String SelectAndDraw(@PathVariable String FileName) throws SQLException {
    JSONArray JObj=new JSONArray(); //以JSON格式返回数据
    Connection Conn=JDBCUtil.getConnection(); //连接数据库
    Statement Stat=Conn.createStatement(); //获取数据库状态
    String Query="SELECT * FROM `knapsack` WHERE `filename`='"+FileName+"'";
    ResultSet Res=Stat.executeQuery(Query); //执行查询语句
    if (Res.next()) {
        String[] WeightList=Res.getString("weight").split(" ");
		//获取数据库对应“weight”列的数据
        String[] ValueList=Res.getString("value").split(" ");
		//获取数据库对应“value”列的数据
        for (int i=0;i<WeightList.length;i++) {
            JSONObject Group = new JSONObject();
            Group.put("weight", WeightList[i]);
            Group.put("value", ValueList[i]);
            JObj.put(Group);
        }
    }
    JDBCUtil.release(Res,Stat,Conn); //释放
    JDBCUtil.recordJournal("选择以绘图","查询操作"); //记录日志
    return JObj.toString();
}

• \(PageRoute\) 类：
  用于映射各前端页面，同样的，使用@RequestMapping()这一标签映射相应的URL。同时，将进入各页面的信息写入数据库的日志信息。

• \(FileUtil\) 类：
  用于读取文件内的信息，并将其写入数据库中。该类需要由\(OperateRoute\) 类中的\(Files()\) 函数调用，即用户在上传文件时，该类被调用，将文件存入。详细流程如下图所示。
  

• \(AlgorithmUtil\) 类：
  该类包含了动态规划算法、贪心算法以及回溯算法。

  • 动态规划算法： 状态转移方程 \(f[j] = max(f[j], f[j - w[i]] + v[i])\)
  • 贪心算法： 原则：按照价值与重量之比，从大到小选取。
  • 回溯算法： 即搜索解空间树，使用上界函数约束。

• \(GeneticUtil\) 类：
  该类即遗传算法的实现。

  • 关键步骤
    初始化：进化代数计数器置零，随机生成个体作为初始群体。
    个体评价：计算个体适应度（即计算当前群体的物品价值）。
    选择运算：使用赌轮选择策略挑选最佳个体，并复制到子代。
    交叉运算：使用两点交叉算子应用于个体；
    变异运算：使用多次对换变异算子应用于个体；
    终止条件判断：直到进化代数计数器大于最大进化代数，则终止。
  • 运行流程（点击以查看大图）
    
  • 如主要函数\(RunGenetic()\)所示。

private void RunGenetic() {
    InitGroup(); //初始化种群
    for (int i=0;i<Scale;i++) {
        Fit[i]=Evaluate(OldPop[i]); //计算初始化种群适应度
    }
    CountProb(); //计算初始化种群中各个个体累计概率
    for (int i=0;i<Gen;i++) {
        Evo(); //选取，交叉，变异
        for (int k=0;k<Scale;k++) {
            for (int j=0;j<CLength;j++) {
                OldPop[k][j]=NewPop[k][j]; //复制种群，准备下一代进化
            }
        }
        for (int k=0;k<Scale;k++) {
            Fit[k]=Evaluate(OldPop[k]); //计算种群适应度
        }
        CountProb(); //计算种群中各个个体累计概率
    }
}

• \(JDBCUtil\) 类：
  在该类中包含了数据库的初始化、加载驱动、连接数据库、关闭数据库、写入日志记录等功能。

6. 测试运行：

   • 首页：
     
   • 数据上传：
     
   • 显示数据（拓展）：
     
   • 绘制散点图：
     
   • 排序：
     
   • 算法求解（以遗传算法为例）：点击运行结果表右上角第二个按钮即可导出结果至文件（.CSV/.XLS）。
     遗传算法运行结果：
     
     导出的结果文件：
     
   • 日志记录：
     
   • 数据库中记录：
     上传的数据信息：
     
     记录的日志信息：
     

7. 结对过程记录：

   • 交流过程节选：采用了汉堡包法（断言，说服）进行沟通。

8. 结对项目PSP

9. 小结感受：
   • 两人合作：
     通过本次的结对项目开发，我体会到，两人合作确实能达到1+1>2的效果。通过合理的合作方式，不仅可以发挥出两人各自的代码能力，在相互交流过程中，还可以找到单人开发时难以发现的问题，相互促进。
   • 项目开发：
     本次项目的开发让我再次回顾了Spring Boot项目以及数据库的编写和运用，有了进一步提升。