计算机软件资格考试—流程图部分

news2026/4/22 18:14:44
!](https://i-blog.csdnimg.cn/direct/85f1d334b5534dc59377ea838319caba.png)图形名称含义标准写法圆角矩形/椭圆形开始/结束表示程序的开始或结束通常写“开始”或“结束”矩形处理/操作表示一个处理步骤如赋值、计算等如L1→L、0→L,M菱形判断/分支表示条件判断通常有两个出口是/否如A[i]1?、LM?平行四边形输入/输出表示输入或输出操作如输入n、输出M箭头流程线表示流程的方向通常不写文字圆形连接符用于连接不同部分的流程图通常写字母或数字阅读以下说明和流程图填补流程图中的空缺19将解答填入答题纸的对应栏内。【说明】假设数组 A 中的各元素 A(1)A(2) …A(M)已经按从小到大排序M≥1数组 B 中的各元素 B(1)B(2)…B(N)也已经按从小到大排序N≥1。执行下面的流程图后可以将数组A与数组B中所有的元素全都存入数组C中且按从小到大排序注意序列中相同的数全部保留并不计排列顺序。例如设数组A中有元素25679数组B中有元素2347则数组C中将有元素223456779。阅读以下说明和流程图填写流程图中的空缺将解答填入答题纸的对应栏内。【说明】如果一个自然数N恰好等于它所有不同的真因子即N的约数以及1但不包括N之和S则称该数为“完美数”。例如612328124714所以6和28都是完美数。显然6是第1个即最小的完美数。下面流程图的功能是求500以内所有的完美数。如果某自然数小于其所有真因子之和(例如2412346812)则称该自然数为亏数;如果某自然数大于其所有真因子之和(例如8124)则称该自然数为赢数如果某自然数等于从1开始的若干个连续自然数之和(例如101234)则称该自然数为三角形数。据此定义自然数496是(D)。供选择答案A.亏数 B.赢数 C.完美数非三角形数D.完美数和三角形数设整型数组A[1N]每个元素的值都是1到N之间的正整数。一般来说其中会有一些元素的值是重复的也有些数未出现在数组中。下面流程图的功能是查缺查重即找出A[1N]中所有缺失的或重复的整数并计算其出现的次数出现次数为0时表示缺。流程图中采用的算法思想是将数组A的下标与值看作是整数集[1N]上的一个映射用数组C[1N]依次记录各整数k出现的次数c[k]并输出所有缺失的或重复的数及其出现的次数。阅读以下说明和流程图填补流程图中的空缺1~5将解答填入答题纸的对应栏内。【说明】 下图所示的流程图用于检查数组A[1:n]中的元素是否为自然数1~n的一个排序含有1~n各数若是则输出OK否则输出所缺的自然数及其个数m。 为检查A[1:n]中是否含有k只要判断P(k)(A(1)-k)*(A(2)-k)*…*(A(n)-k)是否等于0即可。下面流程图所示算法的功能是在一个二进制位串中求出连续的“1”构成的所有子串的最大长度M。例如对于二进制位串0100111011110, M4。该算法中将长度为n的二进制位串的各位数字按照从左到右的顺序依次存放在数组A[1…n]。在对各个二进制位扫描的过程中变量L动态地记录连续“1”的个数。阅读下列说明和流程图填补流程图中的空缺将解答填入答题纸的对应栏内。[说明]设有二维整数数组(矩阵)A[1:m,1:n]其每行元素从左到右是递增的每列元素从上到下是递增的。以下流程图旨在该矩阵中需找与给定整数X相等的数。如果找不到则输出“false”只要找到一个(可能有多个)就输出“True”以及该元素的下标i和j(注意数组元素的下标从1开始)。例如在如下矩阵中查找整数8则输出为True,4,12 4 6 94 5 9 106 7 10 128 9 11 13流程图中采用的算法如下从矩阵的右上角元素开始按照一定的路线逐个取元素与给定整数X进行比较(必要时向左走一步或向下走一步取下一个元素)直到找到相等的数或超出矩阵范围(找不到)[问题】该算法的时间复杂数是()供选择答案A.O(1) B.O(mn)C.O(m*n)D.O(m²n²)阅读以下说明和流程图填补流程图中的空缺(1](5)将解答填入答题纸的对应栏内。[说明]如果一个整数等于其各位数字的立方和则称该数为“阿姆特斯朗数”亦称为自恋性数。如1531³5³3³就是一个“阿姆特斯朗数”。试用程序流程图求所有3位数中的“阿姆特斯朗数”算法如下用一个循环依次判断三位数i是不是“阿姆特斯朗数”同时用m记录三位数中“阿姆特斯朗数”的个数。判断时先得到数字i的各个位上的数字并保存个位数、十位数和百位数分别用a、b、c表示然后求a、b、c三个数字的立方和如果和i值相等则输出i如果不相同则不输出进行下一个i值的判断。请完善下列流程图实现要求的功能。阅读以下说明和流程图将应填入(n)处的字句写在答题纸的对应栏内。[说明]下面的流程图旨在统计指定关键词在某一篇文章中出现的次数。设这篇文章由字符A(0)…A(n-1)依次组成指定关键词由字符B(0),…B(m-1)依次组成其中nm≥1。注意关键词的各次出现不允许有交叉重叠。例如在aaaa中只出现两次aa”。该流程图采用的算法是:在字符串A中从左到右寻找与字符串B相匹配的并且没有交叉重叠的所有子串。流程图中1为字符串A中当前正在进行比较的动态子串首字符的下标j为字符串B的下标k为指定关键词出现的次数。阅读以下说明和流程图填写流程图中的空缺将解答。填入答题纸的对应栏内。【说明]设[a1b1],[a2,b2]…,[an,bn]是数轴上从左到右排列的n个互不重叠的区间a1b1a2b2…anbn).以下流程图将一个新的区间A,B添加到上述区间集形成新的从左到右排列的若千个互不重叠的区间(若A、B落在原有的两个区间则以原有区间最左端点和最右端点为基准形成新的区间)最后依次输出这些区间的端点。例如给定区间集[1,2],[4,6],[8,10],[13,15],[17,20],添加区间[5,14]后依次输出1,2,4,15,17,20表示合并后的区间集[1,2],[4,15],[17,20]。该流程图采用的算法是先在a1,b1,a2,b2,…,an,bn中扫描定位A点再继续描定位B点在扫描过程中随时输出已确定的区间的端点值。希赛机考模拟T1

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2418417.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…