当前位置: 首页 > news >正文

计算机软件资格考试—流程图部分


!](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L+1→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?、L>M?
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"
  1. 阅读以下说明和流程图,填补流程图中的空缺(1)~(9),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:2,5,6,7,9;数组B中有元素:2,3,4,7;则数组C中将有元素:2,2,3,4,5,6,7,7,9。

  2. 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6=1+2+3,28=1+2+4+7+14,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24<1+2+3+4+6+8+12),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8>1+2+4),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10=1+2+3+4)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

  3. 设整型数组A[1:N]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[1:N]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[1:N]上的一个映射,用数组C[1:N]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。

  1. 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。

  2. 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, M=4。
    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。

  3. 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,4,1
    2 4 6 9
    4 5 9 10
    6 7 10 12
    8 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(m+n)C.O(m*n)D.O(m²+n²)

  4. 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153=1³+5³+3³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。


  1. 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n>m≥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。
  2. 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a1<b1<a2<b2…<an<bn).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

http://www.jsqmd.com/news/489021/

相关文章:

  • ...........
  • ollama部署QwQ-32B实操手册:多线程并发推理与吞吐量优化
  • 打造专业模板:WPS文字型窗体域实战指南
  • 如何解决 CAS 的 ABA 问题:从版本号机制到 AtomicStampedReference 深度解析
  • Clawdbot汉化版应用案例:律所企业微信合同条款审查+风险提示自动化
  • 正念80%的效果来自心态:非评判、好奇心、自我友善,三种态度重塑你的生活
  • Kimi LeetCode 552.学生出勒记录|| public int checkRecord(int n)
  • c语言-文件读写
  • WPS动态序号填充四种方法,告别手动调整烦恼
  • SOONet效果展示:体育视频中‘发球→扣杀→得分’战术链自动识别与标记
  • 2026年热门的强力工业风扇厂家推荐:永磁工业风扇可靠供应商推荐 - 品牌宣传支持者
  • 【JDK17-HttpClient】 Selector/Channel 的NIO实现细节?与Netty的NIO实现有何异同?
  • 【C++】模版初阶
  • Java对象头:深入理解对象存储的核心机制
  • 【JDK17-HttpClient】零拷贝(Zero-Copy) 支持吗?大文件传输的内存优化机制?
  • 2026年评价高的发酵饲料设备厂家推荐:大型发酵饲料设备/养殖用发酵饲料设备/全自动发酵饲料设备制造厂家推荐 - 品牌宣传支持者
  • Openclaw本地化部署操作手册
  • 2025_NIPS_IR-OptSet: An Optimization-Sensitive Dataset for Advancing LLM-Based IR Optimizer
  • 《深入掌握PostgreSQL数据库》 - 专栏介绍和目录
  • 纳米AI LeetCode 564.寻找最近的回文数 public String nearestPalindromic(String n)
  • OpenClaw 超级 AI 实战专栏【模型推理与实战】(五)推理参数调优:精度、速度、显存平衡
  • 2026年口碑好的小型发酵饲料设备工厂推荐:固态发酵饲料设备/智能发酵饲料设备工厂直供推荐 - 品牌宣传支持者
  • WuliArt Qwen-Image Turbo避坑指南:解决黑图、显存不足等常见问题
  • 2025_NIPS_Praxis-VLM: Vision-Grounded Decision Making via Text-Driven Reinforcement Learning
  • UniG2U-Bench 论文解读:统一多模态模型真的提升了视觉理解吗?
  • OBS怎么调美颜?OBS怎么打开美颜功能?
  • 新媒体内容创作:使用DeOldify为历史题材短视频生成彩色素材
  • SciDER:当AI学会从原始数据开始做科研,GPT-5也得靠边站
  • vim使用verible插件进行verilog语法检查
  • MTP管理培训