电梯调度系统：从算法到实现的软件工程实践
作业要求
博客链接: 现代软件工程课程作业
项目地址: https://z.gitee.cn/zgca/repos/zgca/elevator-scheduler
项目概述
基于 Elevator Saga 的电梯调度系统实现，通过多策略优化算法专注于最小化乘客等待时间。项目包含完整的后端算法、前端可视化界面和性能监控系统。
PSP表格
预估时间
| 阶段 | 预估时间 |
|---|---|
| 需求分析 | 0.5h |
| 看代码架构 | 2h |
| 算法设计 | 1h |
| 编码实现 | 4h |
| 测试调试 | 1h |
| 总结展示 | 2h |
实际时间
| 阶段 | 实际时间 | 差异原因 |
|---|---|---|
| 需求分析 | 0.5h | 符合预期 |
| 看代码架构 | 2h | 符合预期 |
| 算法设计 | 1.5h | 算法优化比预期复杂 |
| 编码实现 | 6h | 调试时间超出预期 |
| 测试调试 | 2h | 环境配置和问题排查 |
| 合并讨论 | 2h | 代码合并和问题讨论 |
| 助教端调试 | 2h | 环境配置和调试 |
| 写说明文档 | 1h | 文档编写 |
问题回答
1. 重要模块接口设计与实现
核心算法：智能范围巡回算法
- 关键思想：不去最高与最低的楼层，而是检测当前所有用户的所在楼层和目的地范围，在这个范围内巡回
- 独到之处：当没有用户请求且没有用户在电梯中时，电梯原地等待，避免无意义的空跑
- 算法优势：减少了巡回距离，降低了无用能耗
- 算法劣势：没有考虑跳过没有用户的楼层，可能错过潜在的效率提升
算法表现分析：
- 优势原因：智能范围检测、原地待命机制、动态调整策略
- 劣势原因：预测能力不足、全局优化有限、复杂场景处理能力弱
2. 代码重构与版本控制
需求变化时的重构策略：
- 初期问题：代码结构过于复杂，多个功能耦合在一起
- 重构方案：简化代码架构，一个文件搞定一个功能
- 重构原则：单一职责，模块解耦，接口标准化
回归测试保证：
- 建立自动化测试套件
- 每次修改后运行完整测试
- 使用性能基准确保算法效果不退化
- 通过GUI界面实时验证功能正确性
Git协作与问题解决：
- 合并策略：简单修改手动合并，复杂功能Pull Request合并
- 遇到的问题：电梯停的过早，通过GUI界面发现问题，结合代码分析定位原因
- 提交统计：总共提交了29次代码
3. Information Hiding, Interface Design, Loose Coupling
在结对编程中，我们充分利用了这些软件工程原则：
Information Hiding（信息隐藏）：
- 将电梯状态、乘客信息等内部数据封装在类中
- API客户端隐藏了网络通信的复杂性
- 算法实现细节对调用者透明
Interface Design（接口设计）：
- 定义了清晰的ElevatorController抽象基类
- 统一的回调接口（on_passenger_call, on_elevator_idle等）
- 标准化的数据模型（ProxyElevator, ProxyFloor等）
Loose Coupling（松耦合）：
- 算法模块与系统事件解耦
- 前端界面通过API与后端通信
- 模块间通过接口而非具体实现交互
4. 代码规范与异常处理
代码规范：
- 采用Python PEP8编码规范
- 统一的命名约定
- 详细的注释和文档字符串
- 通过代码审查确保质量
异常处理：
- 网络连接失败时的重试机制
- 服务器超时的优雅降级
- 数据验证和边界检查
5. 界面模块设计
用户界面设计：
- 前端技术栈：Vue.js + TypeScript + Vite
- 组件化设计：电梯可视化、控制面板、性能指标
- 实时更新：WebSocket连接实现状态同步
界面功能：
- 电梯状态可视化：实时显示电梯位置、方向、载客情况
- 性能监控面板：显示等待时间、能耗、完成率等关键指标
- 控制面板：支持手动干预和参数调整
- 日志系统：记录系统运行状态和异常信息
MVC设计模式体现：
- Model（模型）：
ElevatorBusExampleController：业务逻辑模型，处理电梯调度算法ProxyElevator/ProxyFloor/ProxyPassenger：数据模型，封装电梯、楼层、乘客状态useElevatorSimulation：数据管理模型，负责与后端API通信和状态同步
- View（视图）：
App.vue：主应用视图，协调各组件ElevatorView.vue：电梯可视化组件MetricsPanel.vue：性能指标展示组件ElevatorCar.vue：单个电梯车厢组件ControlBar.vue：控制面板组件FloorQueueBadge.vue：楼层队列标识组件
- Controller（控制器）：
elevatorApi.ts：API服务控制器，处理HTTP请求- Vue组件的事件处理器：响应用户交互
useElevatorSimulation：状态管理控制器，协调数据流
模块对接：
- 前端通过HTTP API与后端实时通信
- 界面组件通过Vue的响应式系统进行状态同步
- 数据流：API → Controller → Model → View
6. 结对编程实践
采用的合作方式：
- Driver-Navigator模式：一人编写代码，一人审查和指导
- 并行开发：各自负责不同模块，定期同步
- 代码审查：所有代码都经过双方审查
结对编程优点：
- 结合各自所长：发挥不同技能优势
- 分工讨论：激发新的想法和解决方案
- 质量保证：双重检查减少bug
- 知识共享：相互学习提升技能
结对编程缺点：
- 沟通成本：需要更多时间进行讨论
- 进度较慢：相比单人开发效率略低
- 协调困难：需要良好的沟通和配合
伙伴评价：
- 优点：执行力强、代码能力强、学习能力、责任心强
- 缺点：有点忙，时间安排紧张
改进建议（三明治方法）：
- 肯定优点：首先肯定伙伴的技术能力和执行力
- 指出问题：温和地指出时间管理的问题
- 提供建议：建议制定更合理的时间计划，提前安排项目时间
- 鼓励支持：表达对伙伴能力的信任，相信能够改进
7. 结对编程照片
上图展示了我们在结对编程过程中的讨论场景，通过实时协作解决技术问题
8. 结对编程理论学习
合作方式：
- Driver-Navigator模式：一人编写代码，一人审查和指导
- 并行开发：各自负责不同模块，定期同步
- 代码审查：所有代码都经过双方审查
结对编程优点：
- 结合各自所长：发挥不同技能优势
- 分工讨论：激发新的想法和解决方案
- 质量保证：双重检查减少bug
- 知识共享：相互学习提升技能
结对编程缺点：
- 沟通成本：需要更多时间进行讨论
- 进度较慢：相比单人开发效率略低
- 协调困难：需要良好的沟通和配合
9. PSP表格实际时间
实际开发时间记录：
- 需求分析：0.5h（符合预期）
- 看代码架构：2h（符合预期）
- 算法设计：1.5h（算法优化比预期复杂）
- 编码实现：6h（调试时间超出预期）
- 测试调试：2h（环境配置和问题排查）
- 合并讨论：2h（代码合并和问题讨论）
- 助教端调试：2h（环境配置和调试）
- 写说明文档：1h（文档编写）
差异原因：
- 算法调试比预期复杂，需要更多时间优化
- 环境配置和问题排查花费了额外时间
- 代码合并和讨论需要协调时间
10. 其他收获
AI工具协作经验：
- 初期问题：完全让AI去写代码，发现AI能力不足，效果差
- 改进策略：理清脉络，让AI执行具体的操作，人工负责架构设计和关键逻辑，AI负责代码实现和细节优化
- 效果提升：显著提升开发效率
技术探索与学习：
- 阅读资料：《现代软件工程》相关章节、Elevator Saga官方文档、Vue.js和TypeScript技术文档、算法优化相关论文
- 技术难点攻克：实时通信、状态同步、性能优化、异常处理
算法优劣分析：
- 算法优势：减少巡回距离、降低无用能耗、智能范围检测、实时响应
- 算法劣势：预测能力不足、全局优化有限、楼层跳过、复杂场景处理能力弱
- 改进方向：引入机器学习预测用户行为、实现全局优化算法、增加楼层跳过策略、优化复杂场景处理逻辑
经验总结
成功要素
- 算法选择: 根据场景特点选择合适策略
- 系统设计: 模块化架构便于维护和扩展
- 性能监控: 实时指标帮助优化决策
- 自动化: 减少手动操作，提升开发效率
- 结对编程: 通过协作提升代码质量和学习效果
改进方向
- 机器学习: 引入历史数据训练更智能的调度策略
- 预测算法: 基于流量模式预测未来请求
- 多目标优化: 同时优化等待时间、能耗和用户体验
- 分布式架构: 支持大规模电梯网络
技术栈总结
- 后端: Python, Elevator Saga API, Quart, Hypercorn
- 前端: Vue.js, TypeScript, Vite
- 工具: npm, pip, curl
- 部署: Bash脚本, 进程管理
- 监控: 性能指标, 实时日志
- 版本控制: Git, GitHub
这个项目展示了从算法设计到系统实现的完整软件工程实践，体现了模块化设计、性能优化、结对编程和自动化部署等现代软件开发的最佳实践。通过这次项目，我们不仅掌握了电梯调度算法的设计，更重要的是学会了如何在实际项目中应用软件工程原则，进行有效的团队协作和代码管理。