GESP 客观题评测系统

试卷解析 · 理解每一步

2024-12-Level-5

2024-12-Level-5

试卷解析总览,可直接查看每题答案与解析。

单选题

第 1 题(单选题,2 分)

下面关于链表和数组的描述,错误的是()。

A.
当数据数量不确定时,为了应对各种可能的情况,需要申请一个较大的数组,可能浪费空间;此时用链表比较合适,大小可动态调整。
B.
在链表中访问节点的效率较低,时间复杂度为O(n)。
C.
链表插入和删除元素效率较低,时间复杂度为O(n)。
D.
链表的节点在内存中是分散存储的,通过指针连在一起。

正确答案C

解析详情
答案 C链表与数组的区别
思路与推导
  1. 链表在已知前驱节点的情况下,插入和删除元素仅需修改指针,时间复杂度为 O(1)。而数组在中间插入或删除元素需要移动大量后续元素,时间复杂度为 O(n)。虽然在链表中查找指定位置的节点需要 O(n),但插入/删除操作本身是高效的。

第 2 题(单选题,2 分)

在循环单链表中,节点的 next 指针指向下一个节点,最后一个节点的 next 指针指向( )。

A.
当前节点
B.
nullptr
C.
第一个节点
D.
上一个节点

正确答案C

解析详情
答案 C循环单链表的定义
思路与推导
  1. 循环单链表是一种特殊的链表结构,其最后一个节点的 next 指针不指向 NULL,而是重新指向链表的第一个节点(头节点),从而形成一个闭环,使得从任何节点出发都能遍历整个链表。

第 3 题(单选题,2 分)

为了方便链表的增删操作,一些算法生成一个虚拟头节点,方便统一删除头节点和其他节点。下面代码实现了删除链表中值为 val 的节点,横线上应填的最佳代码是()。

struct LinkedNode {
    int val;
    LinkedNode* next;
    LinkedNode(int val):val(val), next(nullptr){}
};

void removeElements(LinkedNode* head, int val) {
    if (head == nullptr) {
        return;
    }
    LinkedNode* cur;
    LinkedNode* dummyHead = new LinkedNode(0); // 虚拟头节点
    // 在此处填入代码

    while (cur -> next != nullptr) {
        if (cur->next->val == val) {
            LinkedNode* tmp = cur->next;
        }
    }
}
cur->next = cur->next->next;
delete tmp;
tmp = nullptr;
}
else {
    cur = cur ->next;
}
head = dummyHead->next;
delete dummyHead;
dummyHead = nullptr;
}
A.
dummyHead->next = head; cur = dummyHead;
B.
dummyHead->next = head->next; cur = dummyHead;
C.
dummyHead->next = head; cur = dummyHead->next;
D.
dummyHead->next = head->next; cur = dummyHead->next;

正确答案A

解析详情
答案 A虚拟头节点(Dummy Head)的应用
思路与推导
  1. 在使用虚拟头节点时,首先需要让 dummyHead 指向真实的 head。为了遍历并删除节点,cur 指针应从 dummyHead 开始,这样在 while 循环中可以通过检查 cur->next->val 来判断并删除后续节点,包括原链表的头节点。

第 4 题(单选题,2 分)

对下面两个函数,说法错误的是()。

int fibA(int n) {
    if (n <= 1) return n;
    int f1 = 0, f2 = 1;
    for (int i = 2; i <= n; ++i) {
        int temp = f2;
        f2 = f1 + f2;
        f1 = temp;
    }
    return f2;
}

int fibB(int n) {
    if (n <= 1) return n;
    return fibB(n - 1) + fibB(n - 2);
}
A.
两个函数的实现的功能相同。
B.
fibA采用递推方式。
C.
fibB采用的是递归方式。
D.
fibA时间复杂度为O(n),fibB的时间复杂度为O(2^n)。

正确答案D

解析详情
答案 D递推与递归的算法分析
思路与推导
  1. fibA 使用单层循环计算斐波那契数列,时间复杂度确为 O(n)。fibB 使用简单的双重递归,其递归树的节点总数呈现指数级增长,虽然精确复杂度为 O(φⁿ)(约 1.618ⁿ),但在大 O 表示法下常描述为 O(2ⁿ)。本题选项 A、B、C 描述均完全正确。作为单选题且 marked 答案为 D,通常是因为在严格定义下或特定考纲中对复杂度的表述有更精确要求,但在基础算法范畴内,D 选项的描述本应也是成立的。此处解析依据题库标记记录结论。

第 5 题(单选题,2 分)

两块长方形土地的长宽分别为 24 和 36 米,要将它们分成正方形的小块,使得正方形的尺寸尽可能大。小杨采用如下的辗转相除函数 gcd(24, 36) 来求正方形分块的边长,则函数 gcd 调用顺序为()。

int gcd(int a, int b) {
    int big = a > b ? a : b;
    int small = a < b ? a : b;
    if (big % small == 0) {
        return small;
    }
    return gcd(small, big % small);
}
A.
gcd(24, 36)、gcd(24, 12)、gcd(12, 0)
B.
gcd(24, 36)、gcd(12, 24)、gcd(0, 12)
C.
gcd(24, 36)、gcd(24, 12)
D.
gcd(24, 36)、gcd(12, 24)

正确答案C

解析详情
答案 C辗转相除法(欧几里得算法)的执行过程
思路与推导
  1. 1. 初始调用 gcd(24, 36),big=36, small=24。36 % 24 = 12 ≠ 0,返回 gcd(24, 12)。

  2. 2. 第二次调用 gcd(24, 12),big=24, small=12。24 % 12 = 0,条件成立直接返回 12。整个过程只进行了两次 gcd 调用。

第 6 题(单选题,2 分)

唯一分解定理表明,每个大于1的自然数可以唯一地写成若干个质数的乘积。下面函数将自然数n的所有质因素找出来,横线上能填写的最佳代码是()。

#include <vector>

vector<int> get_prime_factors(int n) {
    vector<int> factors;
    if (n <= 1) {
        cout << "输入的数必须是大于1的正整数" << endl;
        return;
    }
    while (n % 2 == 0) {
        factors.push_back(2);
        n / = 2;
    }
    // 在此处填入代码
    while (n % i == 0) {
        factors.push_back(i);
        n / = i;
    }
    if (n > 2) {
        factors.push_back(n);
    }
    return factors;
}
A.
for (int i = 3; i <= n; i++)
B.
for (int i = 3; i * i <= n; i++)
C.
for (int i = 3; i <= n; i += 2)
D.
for (int i = 3; i * i <= n; i += 2)

正确答案D

解析详情
答案 D质因数分解算法优化
思路与推导
  1. 代码首先处理了偶数因子 2。后续循环应从 3 开始,且只需检查奇数(i += 2)。同时,利用“一个合数必有一个小于等于其平方根的质因子”的原理,循环条件设为 i * i <= n 可以大幅提高效率,最后剩余的 n 如果大于 2 则本身就是最后一个质因子。

第 7 题(单选题,2 分)

下述代码实现素数表的埃拉托色尼(埃氏)筛法,筛选出所有小于等于n的素数。

vector<int> sieve_Eratosthenes(int n) {
    vector<bool> is_prime(n + 1, true);
    vector<int> primes;

    for (int i = 2; i * i <= n; i++) {
        if (is_prime[i]) {
            primes.push_back(i);
        }
        for (int j = i * i; j <= n; j += i) {
            is_prime[j] = false;
        }
    }

    for (int i = sqrt(n) + 1; i <= n; i++) {
        if (is_prime[i]) {
            primes.push_back(i);
        }
    }

    return primes;
}

下面说法,正确的是()。

A.
代码的时间复杂度是O(nn)O(n\sqrt{n})。
B.
在标记非素数时,代码从i2i^{2}开始,可以减少重复标记。
C.
代码会输出所有小于等于 n 的奇数。
D.
调用函数 sieve_Eratosthenes(10),函数返回值的数组中包含的元素有: 2,3,5,7,9。

正确答案B

解析详情
答案 B埃氏筛法的原理与优化
思路与推导
  1. 埃氏筛在标记合数时,从 i*i 开始标记是经典的优化手段。因为对于任何小于 i*i 的合数 k*i(k < i),在之前的循环中(当处理质数 k 时)已经由于 k < i 而被标记过了。这种做法能显著减少冗余的赋值操作。

第 8 题(单选题,2 分)

下述代码实现素数表的线性筛法,筛选出所有小于等于n的素数。下面说法正确的是()。

vector<int> sieve_linear(int n) {
    vector<bool> is_prime(n + 1, true);
    vector<int> primes;

    for (int i = 2; i <= n / 2; i++) {
        if (is_prime[i])
            primes.push_back(i);
        
        for (int j = 0; j < primes.size() && i * primes[j] <= n; j++) {
            is_prime[i * primes[j]] = 0;
            if (i % primes[j] == 0)
                break;
        }
    }

    for (int i = n / 2 + 1; i <= n; i++) {
        if (is_prime[i])
            primes.push_back(i);
    }

    return primes;
}
A.
线性筛的时间复杂度是O(n)O(n)。
B.
每个合数会被其所有的质因子标记一次。
C.
线性筛和埃拉托色尼筛的实现思路完全相同。
D.
以上都不对

正确答案A

解析详情
答案 A线性筛(欧拉筛)的时间复杂度
思路与推导
  1. 线性筛(欧拉筛)的核心特点是利用 `if (i % primes[j] == 0) break;` 保证每个合数只会被它的 **最小质因子** 筛选一次。因此,每个数在整个算法过程中只被访问常数次,总时间复杂度严格为 O(n)。

第 9 题(单选题,2 分)

考虑以下C++代码实现的快速排序算法:

int partition(vector<int>& arr, int left, int right) {
    int pivot = arr[right]; // 基准值
    int i = left - 1;

    for (int j = left; j < right; j++) {
        if (arr[j] < pivot) {
            i++;
            swap(arr[i], arr[j]);
        }
    }
    swap(arr[i + 1], arr[right]);
    return i + 1;
}

// 快速排序

void quickSort(vector<int>& arr, int left, int right) {
    if (left < right) {
        int pi = partition(arr, left, right);
        quickSort(arr, left, pi - 1);
        quickSort(arr, pi + 1, right);
    }
}

以下关于快速排序的说法,正确的是()。

A.
快速排序通过递归对子问题进行求解。
B.
快速排序的最坏时间复杂度是O(nlog⁡n)O(n \log n)。
C.
快速排序是一个稳定的排序算法。
D.
在最优情况下,快速排序的时间复杂度是O(n)O(n)。

正确答案A

解析详情
答案 A快速排序的基本特征
思路与推导
  1. 快速排序采用分治思想,通过 `quickSort` 函数递归地对划分出来的左右两个子区间进行排序。选项 B 错误(最坏为 O(n²));选项 C 错误(快排是不稳定排序);选项 D 错误(最优复杂度为 O(n log n))。

第 10 题(单选题,2 分)

下面关于归并排序,描述正确的是()。

A.
归并排序是一个不稳定的排序算法。
B.
归并排序的时间复杂度在最优、最差和平均情况下都是O(nlog⁡n)O(n \log n)。
C.
归并排序需要额外的O(1)O(1)空间。
D.
对于输入数组{12,11,13,5,6,7}\{12, 11, 13, 5, 6, 7\},代码输出结果为:765131211。

正确答案B

解析详情
答案 B归并排序的稳定性与复杂度
思路与推导
  1. 归并排序通过不断二分并合并有序子序列实现,无论数据初始状态如何,其比较和合并的次数在量级上都是一致的,因此各种情况下时间复杂度均为 O(n log n)。选项 A 错误(它是稳定排序);选项 C 错误(合并过程需要 O(n) 的临时空间)。

第 11 题(单选题,2 分)

给定一个长度为n的有序数组 nums,其中所有元素都是唯一的。下面的函数返回数组中元素 target 的索引。

int binarySearch(vector<int> &nums, int target, int left, int right) {
    if (left > right) {
        return -1;
    }

    int middle = left + ((right - left) / 2);
    if (nums[middle] == target) {
        return middle;
    }
    else if (nums[middle] < target) {
        return binarySearch(nums, target, middle + 1, right);
    }
    else
        return binarySearch(nums, target, left, middle - 1);
}

int Find(vector<int> &nums, int target) {
    int n = nums.size();
    return binarySearch(nums, target, 0, n - 1);
}

关于上述函数,描述不正确的是()。

A.
函数采用二分查找,每次计算搜索当前搜索区间的中点,然后根据中点的元素值排除一半搜索区间。
B.
函数采用递归求解,每次问题的规模减小一半。
C.
递归的终止条件是中间元素的值等于 target,若数组中不包含该元素,递归不会终止。
D.
算法的复杂度为O(log⁡n)O(\log n).

正确答案C

解析详情
答案 C二分查找的递归实现与终止条件
思路与推导
  1. 递归实现二分查找有两个终止条件:一是查找到目标值 `nums[middle] == target`;二是搜索区间为空 `left > right`。即使数组中不包含 target,当区间收缩到 left > right 时,函数会返回 -1 并正常终止。因此 C 选项描述错误。

第 12 题(单选题,2 分)

给定一个长度为 n 的有序数组 nums,其中可能包含重复元素。下面的函数返回数组中某个元素 target 的左边界,若数组中不包含该元素,则返回 -1。例如在数组 nums = [5, 7, 7, 8, 8, 10] 中查找 target=8,函数返回 8 在数组中的左边界的索引为 3。则横线上应填写的代码为()。

int getLeftBoundary(vector<int>& nums, int target) {
    int left = 0;
    int right = nums.size() - 1;

    while (left < right) {
        int middle = left + ((right - left) / 2);
        if (target <= nums[middle]) {
            // 在此处填入代码
        }
        else {
            left = middle + 1;
        }

        return nums[left] == target ? left : -1;
    }
}
A.
right = middle - 1;
B.
right = middle;
C.
right = middle + 1;
D.
以上都不对

正确答案B

解析详情
答案 B二分查找变体:查找左边界
思路与推导
  1. 当 `target <= nums[middle]` 时,说明目标值可能在 middle 位置,或者在 middle 的左侧,因此需要将右边界收缩到 middle,即 `right = middle;`。这样在循环结束时,left 指向的就是第一个满足条件的索引。

第 13 题(单选题,2 分)

假设有多个孩子,数组 g 保存所有孩子的胃口值。有多块饼干,数组 s 保存所有饼干的尺寸。小杨给孩子们发饼干,每个孩子最多只能给一块饼干。饼干的尺寸大于等于孩子的胃口时,孩子才能得到满足。小杨的目标是尽可能满足越多数量的孩子,因此打算采用贪心算法来找出能满足的孩子的数目,则横线上应填写的代码为()。

int cookie4children(vector<int>& g, vector<int>& s) {
    sort(g.begin(), g.end());
    sort(s.begin(), s.end());

    int index = s.size() - 1; // 饼干数组下标
    int result = 0;
    for (int i = g.size() - 1; i >= 0; i--) {
        if (index >= 0 && s[index] >= g[i]) {
            // 在此处填入代码
        }
    }
    return result;
}
A.
result++; index--;
B.
result--; index--;
C.
result--; index++;
D.
result++; index++;

正确答案A

解析详情
答案 A贪心算法:分发饼干问题
思路与推导
  1. 代码逻辑是优先用最大的饼干满足胃口最大的孩子。当当前饼干 `s[index]` 能满足当前孩子 `g[i]` 时,满足的孩子数增加(result++),且这块饼干已被消耗,下标移动到下一块较小的饼干(index--)。

第 14 题(单选题,2 分)

关于分治算法,以下说法中不正确的是()。

A.
分治算法将问题分成子问题,然后分别解决子问题,最后合并结果。
B.
归并排序采用了分治思想。
C.
快速排序采用了分治思想。
D.
冒泡排序采用了分治思想。

正确答案D

解析详情
答案 D分治算法的思想与典型案例
思路与推导
  1. 分治法的三个步骤是分解、解决、合并。归并排序(拆分区间再合并)和快速排序(根据基准值划分子区间)都是典型的分治应用。而冒泡排序是通过相邻元素的不断交换实现排序,属于典型的交换排序,没有体现分治思想。因此 D 选项不正确。

第 15 题(单选题,2 分)

小杨编写了一个如下的高精度减法函数:

vector<int> highPrecisionSubtract(vector<int> a, vector<int> b) {
    vector<int> result;
    int borrow = 0;

    for (int i = 0; i < a.size(); ++i) {
        int digitA = a[i];
        int digitB = i < b.size() ? b[i] : 0;

        int diff = digitA - digitB - borrow;
        if (diff < 0) {
            diff += 10;
            borrow = 1;
        }
        else {
            borrow = 0;
        }
        result.push_back(diff);
    }

    while (result.size() > 1 && result.back() == 0) {
        result.pop_back();
    }

    return result;
}

下面说法,正确的是()。

A.
如果数组a表示的整数小于b表示的整数,代码会正确返回二者的差为负数。
B.
代码假设输入数字是以倒序存储的,例如 500 存储为{0,0,5}\{0, 0, 5\}。
C.
代码的时间复杂度为O(a⋅size()+b⋅size())O(a \cdot size() + b \cdot size())
D.
当减法结果为 0 时,结果数组仍然会存储很多个元素 0。

正确答案B

解析详情
答案 B高精度运算的存储与实现
思路与推导
  1. 在高精度算法中,为了方便对齐低位并处理进位/借位,通常将数字的个位存在数组下标 0 处,即倒序存储。选项 B 描述正确。选项 A 错误,代码没处理 a < b 时加负号的逻辑;选项 D 错误,最后的 while 循环已经清除了多余的前导零。

判断题

第 1 题(判断题,2 分)

单链表只支持在表头进行插入和删除操作。

正确答案错误

解析详情
答案 错误单链表的基本操作
思路与推导
  1. 单链表支持在任意位置(表头、表尾或中间任意节点之后)进行插入和删除操作,只要能够获取到目标位置的前驱节点指针即可,并非只能在表头操作。

第 2 题(判断题,2 分)

线性筛相对于埃拉托斯特尼筛法,每个合数只会被它的最小质因数筛去一次,因此效率更高。

正确答案正确

解析详情
答案 正确线性筛与埃氏筛的区别
思路与推导
  1. 埃氏筛会对同一个合数进行多次标记(如 6 会被 2 和 3 各筛一次),而线性筛通过 `i % primes[j] == 0` 的判断确保每个合数仅由其最小质因子筛选一次,从而达到了严格的 O(n) 时间复杂度,效率更高。

第 3 题(判断题,2 分)

任何一个大于1的自然数都可以分解成若干个不同的质数的乘积,且分解方式是唯一的。

正确答案错误

解析详情
答案 错误唯一分解定理(算术基本定理)
思路与推导
  1. 唯一分解定理指出:任何大于 1 的自然数都可以分解为若干个质数的乘积,但这些质数不一定是“不同”的(例如 12 = 2 * 2 * 3,其中 2 重复出现)。题干中的“不同”二字导致断言错误。

第 4 题(判断题,2 分)

贪心算法通过每一步选择当前最优解,从而一定能获得全局最优解。

正确答案错误

解析详情
答案 错误贪心算法的局限性
思路与推导
  1. 贪心算法在每一步做出局部最优选择,但这并不保证能导出全局最优解。只有当问题满足“贪心选择性质”时,贪心法才是正确的。例如在 0-1 背包问题中,贪心法就无法得到最优解。

第 5 题(判断题,2 分)

递归算法必须有一个明确的结束条件,否则会导致无限递归并可能引发栈溢出。

正确答案正确

解析详情
答案 正确递归算法的三要素
思路与推导
  1. 递归必须具备边界条件(结束条件),否则函数会不断压栈调用自身。由于系统为函数分配的栈空间是有限的,无限递归最终会导致栈溢出错误(Stack Overflow)。

第 6 题(判断题,2 分)

快速排序和归并排序的平均时间复杂度均为O(nlog⁡n)O(n\log n),且都是稳定排序。

正确答案错误

解析详情
答案 错误排序算法的稳定性对比
思路与推导
  1. 虽然两者的平均时间复杂度都是 O(n log n),但归并排序是稳定的,而快速排序是不稳定的(因为 partition 过程中的交换可能会改变相同元素的相对顺序)。

第 7 题(判断题,2 分)

快速排序的时间复杂度总比插入排序的时间复杂度低。

正确答案错误

解析详情
答案 错误排序算法的时间复杂度比较
思路与推导
  1. 快速排序的“平均”复杂度更低,但在最坏情况下会退化到 O(n²)。此外,在数组几乎有序或数据规模非常小时,插入排序(O(n) 或常数级优势)往往比快速排序更高效。因此“总是”一词不成立。

第 8 题(判断题,2 分)

二分查找仅适用于数组而不适合链表,因为二分查找需要跳跃式访问元素,链表中执行跳跃式访问的效率低。

正确答案正确

解析详情
答案 正确二分查找对存储结构的要求 //
思路与推导
  1. 二分查找依赖于随机访问特性(通过下标在 O(1) 内定位中点)。链表只能顺序访问,查找中点需要 O(n) 时间,这会使二分查找退化到 O(n) 甚至更高,失去其 O(log n) 的优势。

第 9 题(判断题,2 分)

对有序数组{5,13,19,21,37,56,64,75,88,92,100}\{5,13,19,21,37,56,64,75,88,92,100\}进行二分查找,成功查找元素 19 的比较次数是2。

正确答案正确

解析详情
答案 正确 //二分查找的模拟计算
思路与推导
  1. 数组共 11 个元素,索引 0-10。

  2. 1. 第一次查找:middle = (0+10)/2 = 5,nums[5] = 56。56 > 19,去左区间 [0, 4] 找。

  3. 2. 第二次查找:middle = (0+4)/2 = 2,nums[2] = 19。找到目标。总计比较次数为 2 次。

第 10 题(判断题,2 分)

递归函数每次调用自身时,系统都会为新开启的函数分配内存,以存储局部变量、调用地址和其他信息等,导致递归通常比迭代更加耗费内存空间。

正确答案正确

解析详情
答案 正确递归与迭代的空间开销对比
思路与推导
  1. 递归调用会在系统调用栈中产生新的栈帧,每个栈帧都需要保存当前函数的局部变量、参数和返回地址。如果递归深度较大,这些累积的内存开销远高于简单的迭代循环。