1. 研究目的与意义（文献综述）

android是基于linux开放性内核的操作系统，是google公司在2007年11月5日公布的手机操作系统。早期由原名为“android”的公司开发，谷歌在2005年收购“android.inc”后，继续对android系统开发运营，它采用了软件堆层（software stack，又名网络叠层）的架构，主要分为三部分。底层linux内核只提供基本功能，其他的应用软件则由各公司自行开发，部分程序以java编写。

自2007年google发布android系统1.0之后，各大手机厂商纷纷将目光投向了最具发展潜力的android系统，并陆续退出了各种品牌的搭载android系统的智能手机。截至目前，除了苹果外几乎所有手机厂商都在使用android系统，市场占比已经高达75.9%。如果从设备数量上来看，有超过23亿台的活跃设备数，占了绝对优势。此外，不仅仅是在智能手机上可以使用安卓系统，在其它诸如平板电脑、智能手表和智能家居上，也可以看到安卓系统的身影，可以说安卓已经渗入到我们生活的每个角落。所以，在这种形势下，android应用的前景也必定是一片大好。

现如今，电子商品的硬件支持越来越高端。人们对手机的功能要求不再仅仅局限于接电话和打电话了，在这些基本功能的基础上，手机更成为了人们日常生活中非常重要的娱乐和休闲工具，许多时候人们都会处于无聊的状态，比如排队取餐、买票、长途旅行的时候，这时若有一款有意思的游戏来打发时间是再好不多了的。此外，基于当今游戏开发的流行趋势，手机游戏的设计已成为主流，所以我的毕业设计选择了android平台下贪吃蛇游戏的设计与实现的选题。

2. 研究的基本内容与方案

一、设计内容

贪吃蛇是一款经典的手机游戏，一条蛇在封闭围墙里，通过按键盘上下左右四个键控制蛇向上下左右四个方向移动，如果蛇头撞倒食物，则食物被吃掉，蛇身体长一节，同时记1分；若吃到奖励苹果，加两分；若吃到毒苹果，则减3分。在游戏过程中，如果长按住方向键不放，则蛇的移动速度加快，松开方向键，恢复原速。如果蛇在移动中撞到墙或障碍物或者蛇头撞倒自己身体，则游戏结束。本次设计的目的在于学习java程序设计基本技术，学习用android开发java程序的相关技术，学会进行项目的需求分析、概要设计、详细设计等软件开发过程。主要内容如下：

1.利用方向键来改变蛇的运行方向。

3. 研究计划与安排

2019/1/11—2019/1/22：查阅参考文献，明确选题；
2. 2019/2/18—2019/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告,翻译英文资料；
3. 2019/3/8—2019/4/5：熟悉所选用的开发平台进行需求分析，算法或系统设计，分析、比较或实现等；
4. 2019/4/6—2019/5/16 进行系统的编码、调试、集成、测试工作。(2019.5.16)其中第10周左右(2017.5.4-5.8)进行毕业设计中期检查，需要提交论文前三章和毕业设计框架。
5. 2019/5/17—2019/5/31：完成撰写论文初稿；修改论文，定稿并提交论文评审；
6. 2019/6/1—2019/6/7：准备论文答辩。

4. 参考文献（12篇以上）

[1]李刚 编著.疯狂Android讲义（第2版）.出版社:电子工业出版社.2013
[2]李宁 编著.ExtJS Android SSH整合开发Web与移动SNS.出版社:电子工业出版社.2010
[3] JAE KYU L,JONG YEOL L.Android programming techniques for improving performance. 20113rdInternational Conference on Awareness Science and Technology (iCAST) . 2011
[4] Manjeshwar A,Agrawal DP.TEEN: A routing protocol for enhanced efficiency in wireless sensor networks. Proceedings of the 15th Parallel and Distributed Processing Symposium . 2001
[5] Luigi Atzori,Antonio Iera,Giacomo Morabito. The Internet of Things: A survey[J]. Computer Networks . 2010
[6]James Gosling,Bill Joy,Guy Steele,Gilad Bracha ·《The Java Language Specification 》
[7]Roger S.Pressman. Software Engineering A Practitioner’s Approach, 5th ed[M].IEEE Computer Society Press, 2001.1，12-56

[8] Bengio, Yoshua (2009). "Learning Deep Architectures for AI". Foundations and Trends in Machine Learning. 2 (1): 1–127.
[9] Bengio, Y.; Courville, A.; Vincent, P. (2013). "Representation Learning: A Review and New Perspectives". IEEE Transactions on Pattern Analysis and Machine Intelligence. 35 (8): 1798–1828.
[10] Schmidhuber, J. (2015). "Deep Learning in Neural Networks: An Overview". Neural Networks. 61: 85–117.
[11] Bengio, Yoshua; LeCun, Yann; Hinton, Geoffrey (2015). "Deep Learning". Nature. 521: 436–444.
[12] Deep Machine Learning – A New Frontier in Artificial Intelligence Research. IEEE Computational Intelligence Magazine, 2013.
[13] COLLOBERTR，WESTON J．A unified architecture for natural language processing: deep neural networks with multitask learning［C］/ /Proc of the 25th Internationnal Conference on Machine Learning． New York:ACM Press，2008:160-167．
[14] RANZATOM，SZUMMERM． Semi-supervised learning of compact document representations with deep networks［C］/ /Proc of the 25th International Conference on Machine Learning． New York: ACM Press，2008:792-799．
[15]. WONGWK，SUNM．Deep learning regularized Fisher mappings．IEEE Trans on Neural Networks，2011，22(10):1668-1675.