201871030115-康旭 实验二 软件工程个人项目—《D{0-1} KP》项目报告

项目 内容
课程班级博客连接 课程班级
这个作业要求连接 作业链接
我的课程学习目标 （1）详细阅读《构建之法》第1章、第2章，掌握PSP流程；
（2）设计实际程序掌握动态规划算法、回溯算法；
（3）掌握软件项目个人开发流程；
（4）掌握Github发布软件项目的操作方法。
这个作业在哪些方面帮助我实现学习目标 （1）通过点评班级博客中已提交的相关作业，让我对不同风格的作业有了客观的评价；
（2）通过使用PSP流程，对实验任务的时间安排有了一定的把握；
（3）对Github发布软件项目有了一定的认识。
项目Github的仓库链接地址 https://github.com/kangxuxu/aimer

实验内容

任务1：点评班级博客中已提交的作业

任务2：详细阅读《构建之法》第1章、第2章，掌握PSP流程

PSP流程：

  • PSP0的目的是建立个体过程基线，通过这一步，学会使用PSP的各种表格采集过程的有关数据，此时执行的是该软件开发单位的当前过程，通常包括计划、开发（包括设计、编码、编译和测试）以及后置处理三个阶段，并要作一些必要的试题，如测定软件开发时间，按照选定的缺陷类型标准、度量引入的缺陷个数和排除的缺陷个数等，用作为测量在PSP的过程中进步的基准。
  • PSP1的重点是个体计划，引入了基于估计的计划方法PROBE（PROxy Based Estimating），用自己的历史数据来预测新程序的大小和需要的开发时间，并使用线性回归方法计算估计参数，确定置信区间以评价预测的可信程度。PSP1.1增加了对任务和进度的规划。
  • PSP2的重点是个体质量管理，根据程序的缺陷善建立检测表，按照检测表进行设计复查和代码复查（有时也称"代码走查"），以便及早发现缺陷，使修复缺陷的代价最小。随着个人经验和技术的积累，还应学会怎样改进检测表以适应自己的要求。PSP2.1则论述设计过程和设计模板，介绍设计方法，并提供了设计模板、但PSP并不强调选用什么设计方法，而强调设计完备性准则和设计验证技术。

通过参考http://www.cnblogs.com/xinz/archive/2011/10/22/2220872.html和阅读《构建之法》第1章、第2章，我规划了此次PSP2.1流程：

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)
计划 70 40
查阅相关资料 30 20
规划PSP流程 40 20
开发 480 300
编写两个算法 180 120
实现问题求解 120
排错 180 180
报告 130 110
编写博客 90 90
上传代码 10
总结流程 30 20

任务3：项目开发

  • 开发背景

    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，它的一般描述为：从若干具有价值系数与重量系数的物品（或项）中，选择若干个装入一个具有载重限制的背包，如何选择才能使装入物品的重量系数之和在不超过背包载重前提下价值系数之和达到最大?

    D{0-1}KP是经典{0-1}背包问题的一个拓展形式，用以对实际商业活动中折扣销售、捆绑销售等现象进行最优化求解，达到获利最大化。D{0-1}KP数据集由一组项集组成，每个项集有3项物品可供背包装入选择，其中第三项价值是前两项之和，第三项的重量小于其他两项之和，算法求解过程中，如果选择了某个项集，则需要确定选择项集的哪个物品，每个项集的三个项中至多有一个可以被选择装入背包，D{0-1} KP问题要求计算在不超过背包载重量C的条件下，从给定的一组项集中选择满足要求装入背包的项，使得装入背包所有项的价值系数之和达到最大；D{0-1}KP instances数据集是研究 D{0-1}背包问题时，用于评测和观察设计算法性能的标准数据集;动态规划算法、回溯算法是求解D{0-1}背包问题的经典算法。

  • 需求分析

    • 核心需求是计算在不超过背包载重量 的条件下，从给定的一组项集中选择满足要求装入背包的项，使得装入背包所有项的价值系数之和达到最大；
    • 实现动态规划算法、回溯算法求解指定D{0-1} KP数据的最优解和求解时间，需要了解掌握两种算法并且会求算法运行时间；
    • 正确读入实验数据文件的有效D{0-1}KP数据，任意一组D{0-1} KP数据的最优解、求解时间和解向量可保存为txt文件或导出EXCEL文件，要求输入输出数据必须按照文件的形式进行。
  • 功能设计
    • 可正确读入实验数据文件的有效D{0-1}KP数据；
    • 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；
    • 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；
    • 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）；
    • 任意一组D{O-1} KP数据的最优解、求解时间和解向量可保存为txt文件或导出 EXCEL文件。

  • 动态规划解决{0，1}背包问题

    • 代码块：
    def bag(n, c, w, v):
    value = [[0 for j in range(c + 1)] for i in range(n + 1)]
    for i in range(1, n + 1):
        for j in range(1, c + 1):
            value[i][j] = value[i - 1][j]
            # 背包总容量够放当前物体，遍历前一个状态考虑是否置换
            if j >= w[i - 1] and value[i][j] < value[i - 1][j - w[i - 1]] + v[i - 1]:
                value[i][j] = value[i - 1][j - w[i - 1]] + v[i - 1]
    for x in value:
        print(x)
    return value

def show(n, c, w, value):
    print('最大价值为:', value[n][c])
    x = [False for i in range(n)]
    j = c
    for i in range(n, 0, -1):
        if value[i][j] > value[i - 1][j]:
            x[i - 1] = True
            j -= w[i - 1]
    print('背包中所装物品为:')
    for i in range(n):
        if x[i]:
            print('第', i+1, '个,', end='')

def bag1(n, c, w, v):
    values = [0 for i in range(c+1)]
    for i in range(1, n + 1):
        for j in range(c, 0, -1):
            # 背包总容量够放当前物体，遍历前一个状态考虑是否置换
            if j >= w[i-1]:
                values[j] = max(values[j-w[i-1]]+v[i-1], values[j])
    return values
    • 测试数据：
posted @ 2021-03-31 09:48  对他使用炎拳吧  阅读(67)  评论(1)    收藏  举报