201871030106-陈鑫莲 实验三 结对项目—《D{0-1}KP 实例数据集算法实验平台》项目报告

项目	内容
课程班级博客链接	班级博客
这个作业要求链接	作业要求
我的课程学习目标	1.学会结对学习，体会结对学习的快乐 2.了解并实践结对编程 3.加深对D{0-1}问题的解法的理解 4.复习并熟悉PSP流程
这个作业在哪些方面帮助我实现学习目标	1.体验软件项目开发中的两人合作，练习结对编程 2.掌握Github协作开发程序的操作方法 3.进一步加强GitHub的练习与使用 4.使用并熟悉java语言的编写
结对方学号-姓名	201871030103-陈荟茹
结对方本次博客作业链接	结对方本次博客作业链接
本项目Github的仓库链接地址	仓库链接

1、实验目的与要求

（1）体验软件项目开发中的两人合作，练习结对编程（Pair programming）。

（2）掌握Github协作开发程序的操作方法。

2、实验内容与步骤

任务1

已阅读《现代软件工程—构建之法》第3-4章内容。代码风格规范、代码设计规范、代码复审、结对编程概念如下：

• 代码风格规范： 主要是文字上的规定，看似表面文章，实际上很重要。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。

• 代码设计规范：代码设计规范不光是程序书写的格式问题，而且牵涉到程序设计，模块之间的关系，设计模式等方方面面。具体为以下几个方面：函数，goto,错误处理以及如何处理C++中的类。

• 代码复审：代码复审的正确定义是看代码是否在“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。代码复审的主要目的：在项目开发时，不管多厉害的开发者都会或多或少地犯一些错误，有欠考虑的地方。而且越是项目后期发现的问题，修复的代价就越大，代码复审正是要在早期发现并修复这些问题，另外，在代码复审时的提问与回应能帮助团队成员相互了解。

• 结对编程：结对编程是指两人结对编程，一对程序员肩并肩，平等地，互补地进行开发工作。

任务2

2-1.结对方博客链接

结对方博客链接：博客链接

2-2.结对方Github项目仓库链接

结对方Github项目仓库链接：仓库链接

2-3.博客评论

图1

2-4.代码核查表

1.克隆结对方项目源码到本地机器，阅读并测试运行代码，参照《现代软件工程—构建之法》4.4.3节核查表复审同伴项目代码并记录，克隆步骤如下：

（1）进入原作者的仓库，如图2：。

图2

（2）点击clone，复制链接，如图3：。

图3

（3）输入git clone 原作者的链接，如图4：。

图4

2.代码核查表具体内容如下：

-概要部分

（1）代码能符合需求和规格说明么？

答：基本符合，就是有些代码可能是因为平台的问题，有些语句显示时有一点问题。

（2）代码设计是否有周全的考虑？

答：在switch语句使用时没有运用Default。

（3）代码可读性如何？

答：可读性很好。对类，方法还有变量都做了相关注释。

（4）代码容易维护么？

答：比较容易 。

（5）代码的每一行都执行并检查过了吗？

答：是的，检查过。

-设计规范部分

（1）设计是否遵从已知的设计模式或项目中常用的模式？

答：是。

（2）有没有硬编码或字符串/数字等存在？

答：有一部分。

（3）代码有没有依赖于某一平台，是否会影响将来的移植（如Win32到Win64）

答：没有依赖

（4）开发者新写的代码能否用已有的Library/SDK/Framework中的功能实现？在本项目中是否存在类似的功能可以调用而不用全部重新实现？

答：可以实现，不存在

（5）有没有无用的代码可以清除？（很多人想保留尽可能多的代码，因为以后可能会用上，这样导致程序文件中有很多注释掉的代码，这些代码都可以删除，因为源代码控制已经保存了原来的老代码。）

答：没有。

-代码规范部分

（1）修改的部分符合代码标准和风格么（详细条文略）?

答：符合代码标准和风格。

-具体代码部分

（1）有没有对错误进行处理？对于调用的外部函数，是否检查了返回值或处理了异常？

答：有错误处理，并且处理了异常。

（2）参数传递有无错误，字符串的长度是字节的长度还是字符（可能是单/双字节）的长度，是以0开始计数还是以1开始计数？

答：无错误，字符串的长度是字节的长度，以0开始计数。

（3）边界条件是如何处理的？Switch语句的Default是如何处理的？循环有没有可能出现死循环？

答：针对需要的操作进行Switch，在目前代码中没有发现Default。经测试代码不会出现死循环。

（4）有没有使用断言（Assert）来保证我们认为不变的条件真的满足？

答：没有。

（5）对资源的利用，是在哪里申请，在哪里释放的？有没有可能导致资源泄露（内存、文件、各种GUI资源、数据库访问的连接，等等）？有没有可能优化？

答：资源都是在类中申请，在类中释放，对资源都有一定的控制，不会导致资源泄露。

（6）数据结构中是否有无用的元素？

答：没有。

-效能

（1）代码的效能（Performance）如何？最坏的情况是怎样的？

答：经检查，代码正确，并且功能都已实现，暂无错误。

（2）代码中，特别是循环中是否有明显可优化的部分（C++中反复创建类，C#中 string 的操作是否能用StringBuilder 来优化）？

答：循环中暂无，但在柱状图的设置部分需要优化。

（3）对于系统和网络调用是否会超时？如何处理?

答：不会超时。

-可读性

（1）代码可读性如何？有没有足够的注释？

答：代码可读性较好，对类，方法和变量都进行了注释。

-可测试性

（1）代码是否需要更新或创建新的单元测试？还可以有针对特定领域开发（如数据库、网页、多线程等）的核查表。

答：希望用较多的数据对代码进行测试。

2-5.结对方项目仓库中的Fork、Clone、Push、Pull request、Merge pull request日志数据

1.Fork

（1）点击原作者仓库github右上角的fork按钮，就会在你自己的github中新建一个同名仓库，如图5-1和5-2：。

图5-1

图5-2

2.Clone

（1）进入自己的页面，打开原作者的同名仓库，如图6：。

图6

（2）clone fork仓库到本地，如图7：。

图7

（3）打开git bush here，输入：git clone 'http clone 的地址，如图8：。

图8

3.本地库与原始库关联

（1）进入我们的项目文件夹： cd Experiment22，如图9：。

图9

（2）添加与原始库的关联，命名为upstream，此地址是原项目开发者的项目主页上的clone的地址：这是专门用来与主开发者保持相同进度的方法，如图10：。

图10

（3）从原始库中抓取最新的更新，如图11：。

图11

4.Push过程

（1）把Test文件夹下面的文件都添加进来，查看，如图12：。

图12

（2）git commit -a -m"提交信息"，如图13：。

图13

（3）git push https://github.com/cxl369/beibao.git ，如图14：。

图14

5.Pull request

（1）在项目主页上，如图15：。

图15

（2） 代码目录左上方有如图所示的图表，点击拉取要求的图标，然后就可以比较你的版本和源中代码的差别，然后就可以选择发送一个Pull request给主开发者，添加修改的原因描述。然后就等待主开发者去merge了，如图16：。

图16

任务3

3-1.需求分析

设计WEB页面，背包问题（Knapsack Problem，KP）是NP Complete问题，也是一个经典的组合优化问题，有着广泛而重要的应用背景。{0-1}背包问题（{0-1 }Knapsack Problem，{0-1}KP）是最基本的KP问题形式，在此之前，学习过{0-1}背包问题的动态规划算法以及回溯法，本实验中要求读取所给TXT文件的有效D{0-1}KP数据，将其读取的有效数据以重量为横轴、价值为纵轴的数据散点图，要求对一组D{0-1}KP数据按项集第三项的价值:重量比进行非递增排序，即递减排序，任务3-4是选择动态规划算法、回溯算法求解指定D{0-1} KP数据的最优解和求解时间（以秒为单位）。

3-2.功能设计

-基本功能：

   （1）设计Web页面；

   （2）可正确读入实验数据文件的有效D{0-1}KP数据；

   （3）能够绘制任意一组D{0-1}KP数据以重量为横轴、价值为纵轴的数据散点图；

   （4）能够对一组D{0-1}KP数据按项集第三项的价值:重量比进行非递增排序；

   （5）用户能够自主选择动态规划算法、回溯算法求解指定D{0-1} KP数据的最优解和求解时间（以秒为单位）；

3-3.核心代码展示

1.动态规划法：

for (int i=1; i <mvaluel.length;i++) {
                        for (int j=1; j < mvaluel[i].length; j++) {
                                //如果物品的重量小于当前背包的容量
                                if (weight[i - 1] > j) {
                                        mvaluel[i][j] = mvaluel[i - 1][j];
                                } else {//如果物品的重量大于当前背包的容量
                                        //如果上一次最大价值<当前物品的价值+上一次重量-当前物品重量的价值总和。
                                        if (mvaluel[i - 1][j] < value[i - 1] + mvaluel[i - 1][j - weight[i - 1]]) {
                                                mvaluel[i][j] = value[i - 1] + mvaluel[i - 1][j - weight[i - 1]];
                                                wup[i][j] = 1;//将物品放入背包
                                        } else {
                                                mvaluel[i][j] = mvaluel[i - 1][j];
                                        }
                                }
                        }
                }

2.回溯法：

// 当没有物品可以放入背包时，当前价值为最优价值
        if (i >= n) {
            bestValue = currValue;
            return bestValue;
        }

        // 首要条件：放入当前物品，判断物品放入背包后是否小于背包的总承重
        if (currWeight + bags[i].getWeight() <= totalWeight) {
            // 将物品放入背包中的状态
            currWeight += bags[i].getWeight();
            currValue += bags[i].getValue();

            // 选择下一个物品进行判断
            bestValue = solve(i + 1);

            // 将物品从背包中取出的状态
            currWeight -= bags[i].getWeight();
            currValue -= bags[i].getValue();
        }

        // 次要条件：不放入当前物品，放入下一个物品可能会产生更优的价值，则对下一个物品进行判断
        // 当前价值+剩余价值<=最优价值，不需考虑右子树情况，由于最优价值的结果是由小往上逐层返回，
        // 为了防止错误的将单位重量价值大的物品错误的剔除，需要将物品按照单位重量价值从大到小进行排序
        if (currValue + getSurplusValue(i + 1) > bestValue) {
            // 选择下一个物品进行判断
            bestValue = solve(i + 1);
        }
        return bestValue;
    }

3.遗传算法：

 /*
    计算种群适应度
     */
    public void caculteFitness(){

        bestFitness=population.get(0).getFitness();
        worstFitness=population.get(0).getFitness();
        totalFitness=0;
        for (Chromosome g:population) {
            //changeGene(g);
            setNowGenome(g);
            if(g.getFitness()>bestFitness){
                setBestFitness(g.getFitness());
                if(y<bestFitness){
                    y=g.getFitness();
                }
                setIterBestFit(g);

            }
            if(g.getFitness()<worstFitness){
                worstFitness=g.getFitness();
            }
            totalFitness+=g.getFitness();

        }
        averageFitness = totalFitness / popSize;
        //因为精度问题导致的平均值大于最好值，将平均值设置成最好值
        averageFitness = averageFitness > bestFitness ? bestFitness : averageFitness;

    }

 /*
    遗传算法GA流程
     */
    public void geneticAlgorithProcess(){
        generation=1;
        init();
        while(generation<iterNum){
            evolve();
            print();
            generation++;
        }
    }

3-4.程序运行

一、注册登录页面，输入相应的用户名和密码，点击“立即登录”，跳转到后台页面，如图17：

图17

二、后台页面，如图18：

图18

1.散点图部分

（1）输入相应的文件名和数据行数，点击“搜索”，显示出具体的散点图页面，如图19：

图19

（2）点击“展开”按钮，显示具体数据（部分），如图20：

图20

2.排序部分

（1）输入相应的文件名和数据行数，点击“搜索”，如图21：

图21

（2）下图为未排序数据页面，点击本页面中的“显示排序结果”，显示出具体的所需要的未排序数据（部分），跳转至排序成功页面如图22：

图22

（3）排序成功页面，如图23：

图23

3.最优解部分

（1）输入相应的文件名和数据行数，点击“搜索”，如图24：

图24

（2）显示具体测试数据，此时我们可用：动态规划法、回溯法以及遗传算法对所选择的数据进行最优解求解，如图25：

图25

a.动态规划法求解结果，如图26：

图26

b.回溯法求解结果，如图27：

图27

c.遗传算法求解结果，如图28：

图28

三、数据库部分

1.MySql部分

（1）在数据库soft中创建表data1，如图29：

图29

（2）将文件data1.txt中的数据导入到表data1中，如图30：

图30

（3）导入成功，显示如下数据，如图31：

图31

1.Eclipse部分,步骤如下：

（1）Data1.java:根据数据表定义一个Java bean

（2）Data1DAO.java:Product的数据访问类

（3）dbtool.java:驱动注册+得到连接对象

（4）dbServlet.java:对表中数据进行操作

（5）在具体的jsp页面中，代码块如图32-1：

图32-1

（6）在具体的jsp页面中，代码块如图32-2：

图32-2

3-5.结对过程

（1）线上交流，如图：33

图33

（2）线下交流，如图34：

图34

3-6.PSP展示

PSP	任务内容	计划共完成需要的时间(min)	实际完成需要的时间(min)
Planning	计划	8	30
Estimate	估计这个任务需要多少时间，并规划大致工作步骤	8	30
Development	开发	298	410
Analysis	需求分析 (包括学习新技术)	20	30
Design Spec	生成设计文档	15	25
Design Review	设计复审 (和同事审核设计文档)	10	20
Coding Standard	代码规范 (为目前的开发制定合适的规范)	3	5
Design	具体设计	35	40
Coding	具体编码	155	200
Code Review	代码复审	15	30
Test	测试（自我测试，修改代码，提交修改）	45	60
Reporting	报告	9	11
Test Report	测试报告	3	5
Size Measuremen	计算工作量	3	2
Postmortem & Process Improvement Plan	事后总结 ,并提出过程改进计划	3	4

3-7.小结感受

对于此次结对编程实验，我有如下感受及体会：

第一次接触结对编程，对于结对编程的整体感受总的来说是利大于弊的，即有1+1>2的效果。

我认为或许结对编程并不适用于简单的写代码的工作，结对编程更适用于解决一些方向性的问题，因为在编程时，每个人的思想不同可能用到的方法及语句也就不同，所以难免会产生分歧与不一致，但是，两个人的思想可能会碰撞出新的火花，有时候还可以找到更适合、更节省空间与时间的方法与算法。在结对编程中，双方的互动目的在于开启思路，避免单独编程时思维容易阻塞的情况,有时候一个人在写代码时，难免会陷入僵局出不来，而两个人合作缺可以解决不这个问题，有时候对方的一句话可以启发自己换一种思考方式，从而高效地解决问题。

在自己编程过程时不难发现，编程耗时最多的方面就是debug。在我们得出设计思路，并将它们初次转化成代码后，编程之路其实才走了一小段。由于个人的疏忽，输入的错误，以及设计思路的偏差，往往会让我们的程序陷入无止尽的bug泥潭中，难以挣脱，这会消耗我们大量的时间。 而结对编程的好处就在于此。由于身边有个领航员角色的存在，在编写代码时，一旦出现输入错误，就会有人及时的提醒。并且，在设计代码时，有个同伴可以一起讨论，融合两个人不同的见解和观点，我们往往可以得出更加准确且更加高效的设计思路。这一切都为我们在完成代码后的debug过程省去了大量的时间。

总体来说，结对编程可以很大程度上提高编程效率，而且两人轮流编程，不会太过疲惫，因此十分适合敏捷开发。如果未来我们从事软件开发的工作，我们会十分乐于进行结对编程，因为这会极大的改善我们的编程体验，是编程不再那么枯燥，debug之路也不会那么恐怖。

任务4

已完成此次实验及博客。