声明：哔哩哔哩视频笔记
源地址
第一大题题目
第一大题解答
第一小问
根据0层数据流图来找，看数据流向和相应的处理模块匹配。并且这个第一问，肯定是能在说明中找到对应短语作为答案的。
第二小问
搞清楚具体存储数据的信息名字，可以在后面加上 一个 表 字， 就可以作为答案了。
第三小问
数据流知识：
- 数据流的起点和终点必须有一个是加工，至少有一个是加工。
- 上下两个图要平衡，上下文数据流图系统交互具有的数据流，0层数据流图也要有对应的数据流。
- 每一个加工至少有一个输出数据流和输入数据流
- 数据守恒，说明和数据流图的描述一致，不会凭空出现和消失。
- 这一步需要细细的分析才行
第四小问
这个题目跟着自己的感觉走
第二大题题目
第二大题解答
第一小问
像这个样子的实体是一个子实体，就是某个一般实体的特殊实体。
先在试卷上画一下结果，确认好再画到答题卡上。
第二小问
第三小问
这一问不要想太多，切合题目结合实际，按着感觉走。
第三大题，分值分别是4，8，3，题目
第一小问
用例一般是动词加上名词
第二小问，一分一个类名
第三小问
设计模式选对1.5分，解释原因1.5分
策略设计模式
第四大题题目
大顶堆
大顶堆（Max Heap）是一种特殊的二叉堆（Binary Heap），它是一种用于实现优先队列的数据结构。大顶堆具有以下特性：
-
堆属性：在一个大顶堆中，对于每个父节点P，P的值大于或等于其子节点的值。这意味着堆的根节点始终包含最大的元素。
-
结构属性：大顶堆通常是一棵完全二叉树，这意味着除了最底层，其他层的节点都是满的，而在最底层，节点从左到右填充，不留空。
大顶堆通常用于实现一些算法和数据结构，如堆排序、Dijkstra算法、Prim算法等，这些算法需要在运行时高效地找到最大值或进行优先级处理。在大顶堆中，最大的元素总是位于根节点，因此可以快速找到并移除最大元素。
大顶堆可以通过插入和删除操作来维护其属性，确保堆的结构属性和堆属性一直得到满足。在插入元素时，通常会将新元素添加到堆的底部，然后逐级向上调整，以确保堆属性保持不变。在删除元素时，通常会删除根节点，并将堆的底部元素移到根的位置，然后逐级向下调整以保持堆属性。
小顶堆（Min Heap）与大顶堆相反，其中每个父节点的值都小于或等于其子节点的值。它们在解决不同类型的问题时都有广泛的应用。
第一小问，堆排序给我整懵逼了，算法有点难搞
第二小问
堆排序的时间复杂度
第三小问
两种作答形式皆可，但是推荐第一种画图。
将第一个元素脱离，再调整成大顶堆后的数组为：
但是这里，第一个元素只是逻辑上脱离，但是物理上仍然存储在数组之中，这里还是要将第一个元素写上。
这一题可以在编译器运行代码测试一下。
第五大题题目，选做，需要填涂，默认小题号
第一小问
- 接口中的空找实现这个接口的类，寻找具体的方法。
- 相应的修饰符和参数写清楚写对，一般 修饰符最好不要省略。
- 构造方法按照方法的参数来传参。
对于冗余的修饰符，只要不会使程序报错，一般会给分，但是既然是冗余的，不写当然也可以。
第六大题
因为我主要学习的是Java，这里就是题目和答案
解答
