博客
关于我
活动图的组成以及画图须知
阅读量:183 次
发布时间:2019-02-28

本文共 845 字,大约阅读时间需要 2 分钟。

活动图基础知识

1. 动作

动作是构成活动的基本单位,是活动图中最小的执行单元。每个动作都具有以下特点:

  • 不可分解:动作不能被拆分成更小的执行单位。
  • 不可中断:执行一个动作必须完成到位,不能中断。
  • 瞬时性:动作通常是瞬时完成的行为。
  • 转换要求:动作必须有至少一条入转换(输入转换),虽然可以没有出转换(输出转换)。
  • 转换规则:动作不能同时拥有入口动作和出口动作。

图形示例:平滑的圆角矩形,通常用于表示动作的执行时间。


2. 活动

活动是对系统行为的描述,是由一系列动作组成的执行流程。活动可以分解为更小的子活动或动作,内部活动则可以通过另一个活动图来表示。与动作不同,活动具有以下特点:

  • 可分解性:活动可以被拆分为其他子活动或动作。
  • 有序性:活动可以包含入口动作和出口动作,并且可能包含内部转移。
  • 并发支持:活动图中可以出现分叉和汇合,支持多个流程的并发执行。

图形示例:平滑的圆角矩形,通常用于表示活动的执行范围。


3. 动作流

动作流是指一系列动作之间的转换关系,通常用带箭头的直线表示。箭头的方向表示转入的方向,帮助理解动作之间的执行顺序。

图形示例:带箭头的直线,箭头指向转入的方向。


4. 条件

条件是活动图中用来控制转移方向的关键元素。常见的条件类型包括前置条件和后置条件。前置条件通常表示为矩形右上角的折叠图形,而后置条件则没有特定的图形表示。

图形示例:前置条件通常用矩形右上角的折叠图形表示。


5. 其他图形元素

  • 开始节点:表示活动的起点,通常用实心黑色圆点表示。
  • 终止节点:分为活动终止节点和流程终止节点。
    • 活动终止节点表示整个活动的结束,图形为圆圈内加实心黑色圆点。
    • 流程终止节点表示子流程的结束,图形为圆圈内加十字叉。
  • 分叉与汇合:分叉用于将动作流分为多个并发分支,汇合用于将这些分支合并成一个流程。
  • 泳道:垂直实线将活动图划分为若干组,泳道的上方可以标注负责该组活动的业务对象。

通过以上图形元素的合理组合,可以构建出一张完整的活动图,清晰地描述系统的行为流程。

转载地址:http://gozj.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>