数据结构题目收录(二十)

news2025/1/11 2:59:45

1、含有n个非叶结点的m阶B树中至少包含()个关键字。

  • A:n(m+1)
  • B:n
  • C:n( ┌ \ulcorner m/2 ┐ \urcorner -1)
  • D:(n-1)( ┌ \ulcorner m/2 ┐ \urcorner -1)+1
解析

除根结点外,m阶B树中的每个非叶结点至少有 ┌ \ulcorner m/2 ┐ \urcorner -1个关键字,根结点至少有一个关键字,所以总共包含的关键字最少个数=(n-1)( ┌ \ulcorner m/2 ┐ \urcorner -1)+1。

答案:D

2、已知一棵5阶B树中共有53个关键字,则树的最大高度为(),最小高度为()。

  • A:2
  • B:3
  • C:4
  • D:5
解析

5阶B树中共有53个关键字,由最大高度公式H ≤ \leq log ⁡ ┌ m / 2 ┐ \log_{\ulcorner{m/2}\urcorner} logm/2((n+1)/2)+1得最大高度H ≤ \leq log ⁡ 3 \log_3 log3[(53+1)/2]+1=4,即最大高度为4;由最小高度公式h ≥ \geq log ⁡ m \log_m logm(n+1)得最小高度h ≥ \geq $\log_5$54=2.5,从而最小高度为3。

答案:C。B

3、已知一棵3阶B树中有2047个关键字,则此B树的最大高度为(),最小高度为()。

  • A:11
  • B:10
  • C:8
  • D:7
解析

利用最小高度h ≥ \geq log ⁡ m \log_m logm(n+1)和最大高度H ≤ \leq log ⁡ ┌ m / 2 ┐ \log_{\ulcorner{m/2}\urcorner} logm/2((n+1)/2)+1的公式。可以算出最大高度H ≤ \leq log ⁡ 2 \log_2 log2[(2047+1)/2]+1=11,最小高度h ≥ \geq log ⁡ 3 \log_3 log3 2048=6.9,从而最小高度取7。

答案:A。D

4、下列关于B树和B+树的叙述中,不正确的是()。

  • A:B树和B+树都能有效地支持顺序查找
  • B:B树和B+树都能有效地支持随机查找
  • C:B树和B+树都是平衡的多叉树
  • D:B树和B+树都可以用于文件索引结构
解析

B树和B+树的差异主要体现在:1.结点关键字和子树的个数;2.B+树非叶结点仅起索引作用;3.B树叶结点关键字和其他结点包含的关键字是不重复的;4.B+树支持顺序查找和随机查找。而B树仅支持随机查找。

由于B+树的所有叶结点中包含了全部的关键字信息,且叶结点本身依关键字从小到大顺序链接,因此可以进行顺序查找,而B树不支持顺序查找。

答案:A

5、在一棵高度为2的5阶B树中,所含关键字的个数至少是()。

  • A:5
  • B:7
  • C:8
  • D:14
解析
答案:A

6、在一棵有15个关键字的4阶B树中,含关键字的结点的个数最多是()。

  • A:5
  • B:6
  • C:10
  • D:15
解析

关键字数量不变,要求结点数量最多,即要求每个结点中含关键字的数量最少。根据4阶B树的定义,根结点最少含1个关键字,非根结点中最少含 ┌ 4 / 2 ┐ \ulcorner{4/2}\urcorner 4/2-1=1个关键字,所以每个结点中关键字数量最少都为1个,即每个结点都有2个分支,类似于排序二叉树,而15个结点正好可以构造一个4层的4阶B树,使得终端结点全在第四层,符合B树的定义,因此选D。

答案:D

7、B+树不同于B树的特点之一是()。

  • A:能支持顺序查找
  • B:节点中含有关键字
  • C:根结点至少有两个分支
  • D:所有叶结点都在同一层上
解析

由于B+树的所有叶结点中包含了全部的关键字信息,且叶结点本身依关键字从小到大顺序链接,因此可以进行顺序查找,而B树不支持顺序查找(只支持多路查找)。

答案:A

8、高度为5的3阶B树含有的关键字个数至少是()。

  • A:15
  • B:31
  • C:62
  • D:242
解析

m阶B树的基本性质:根结点以外的非叶结点最少含有 ┌ m / 2 ┐ \ulcorner{m/2}\urcorner m/2-1个关键字,代入m=3得到每个非叶结点中最少包含1个关键字,而根结点含有1个关键字,因此所有非叶结点都有两个孩子。此时其树形与h=5的满二叉树相同,可求得关键字最少为31个。

答案:B

9、依次将关键字5,6,9,13,8,2,12,15插入初始为空的4阶B树后,根结点包含的关键字是()。

  • A:8
  • B:6,9
  • C:8,13
  • D:9,12
解析

一个4阶B树的任意非叶结点至多含有m-1=3个关键字,在关键字依次插入的过程中,会导致结点的不断分裂,插入过程如下所示。

请添加图片描述
得到根结点包含的关键字为6,9。

答案:B

10、下列关于散列表的说法中,正确的是()。

Ⅰ、若散列表的填装因子 α \alpha α<1,则可避免碰撞的产生
Ⅱ、散列查找中不需要任何关键字的比较
Ⅲ、散列表在查找成功时平均查找长度与表长有关
Ⅳ、若在散列表中删除一个元素,不能简单地将该元素删除

  • A:Ⅰ和Ⅳ
  • B:Ⅱ和Ⅲ
  • C:Ⅲ
  • D:Ⅳ
解析
  • 冲突(碰撞)是不可避免的,与装填因子无关,因此需要设计处理冲突的方法,Ⅰ错误。
  • 散列查找的思想是计算出散列地址来进行查找,然后比较关键字以确定是否查找成功,Ⅱ错误。
  • 散列查找成功的平均查找长度与装填因子有关,与表长无关,Ⅲ错误。
  • 在开放地址的情形下,不能随便删除散列表中的某个元素,否则可能会导致搜索路径被中断(因此通常的做法是在要删除的地方做删除标记,而不是直接删除),Ⅳ正确。
答案:D

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/21532.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

mongodump工具安装及使用详解

MongoDB导入导出和备份的命令工具从4.4版本开始不再自动跟随数据库一起安装&#xff0c;而是需要自己手动安装。 官方网站下载链接&#xff1a;Download MongoDB Command Line Database Tools | MongoDB 将下载的压缩包通过工具上传到服务器或者虚拟机中某个路径下并解压&…

ZYNQ图像处理项目——线性神经网络识别mnist

一、线性神经网络识别mnist 线性神经网络其实也可以叫做线性分类器&#xff0c;其实就是没有激活函数的神经网络来对目标进行识别&#xff0c;像支持向量机、多元回归等都是线性的。这边我采用了线性神经网络来识别mnist数字。 我这边是看了一本讲神经网络的书籍&#xff0c;然…

分析高数值孔径物镜的聚焦特性

摘要 高数值孔径的物镜广泛用于光刻、显微等方面。 因此&#xff0c;在仿真聚焦时考虑光的矢量性质是至关重要的。VirtualLab可以支持此类透镜的光线和场追迹分析。通过场追迹分析&#xff0c;可以清楚地显示出由于矢量效应引起的非对称焦点。相机探测器和电磁场探测器可以方便…

【MySQL】Spring Boot项目基于Sharding-JDBC和MySQL主从复制实现读写分离(8千字详细教程)

目录前言一、 介绍二、 主从复制1. 原理2. 克隆从机3. 克隆从机大坑4. 远程登陆5. 主机配置6. 从机配置7. 主机&#xff1a;建立账户并授权8. 从机&#xff1a;配置需要复制的主机9. 测试10. 停止主从同步三、 读写分离1. Sharding-JDBC介绍2. 一主一从3. 一主一从读写分离3.1 …

安服-windowslinux日志分析

目录 windows日志分析 windows事件日志 日志分析工具 Linux日志分析 windows日志分析 windows事件日志 日志分析工具 Linux日志分析 rsyrslog.conf中记录了&#xff0c;这些日志文件存储的位置以及存储的内容是关于什么的日志 其中lastlog比较重要&#xff0c;记录了用户登录…

FRP之入门篇

目录 一、前言 1、概述 2、原理 3、支持功能 4、适用场景 二、环境准备 三、使用 1、安装包下载 2、服务端部署 2.1、上传安装包 2.3、启动服务端 3、客户端部署 3.1、代理服务准备 3.2、上传安装包 3.3、客户端配置 3.4、启动客户端 4、功能验证 一、前言 1、…

Redis在Windows和Linux下的安装方法(超级详细)

Redis的两种不同系统安装1. redis在Windows下的安装2. redis在Linux下的安装1. redis在Windows下的安装 下载安装包(https://github.com/MicrosoftArchive/redis/releases) 下载完后得到安装包找一个自己熟悉的路径就可以进行解压了,我放的是D盘 解压后的文件: 进入到文件夹中…

Java集合(二):Map集合与Collections工具类

目录 Map接口 Map接口的常用方法 删除方法 判断方法 查找方法 增加方法 Map常用方法&遍历操作 HashTable 字典-Dictionary,v> HashMap、HashTable和LinkedHashMap TreeMap 【2】TreeMap-存储自定义数据类型-【内部比较器】 HashMap底层源码 jdk8-源码…

央视春晚临近,主持人李思思被爆离职,知情人火速做出回应

每年的这个时候&#xff0c;中央电视台的春晚&#xff0c;都成为人们热议的话题&#xff0c;不过今年的话题却比较火爆。大众们所关注的央视春晚&#xff0c;第一是参加春晚的明星嘉宾&#xff0c;其次就是参加春晚的节目主持人。 说起央视春晚的主持人&#xff0c;最早要追溯到…

【笔试题】【day26】

文章目录第一题&#xff08;就绪队列中的进程数&#xff09;第二题&#xff08;磁盘缓冲区存在的意义&#xff09;第三题&#xff08;进程从执行态变成就绪态的原因&#xff09;第四题&#xff08;管道&#xff09;第五题&#xff08;文件打开&#xff0c;操作系统会做什么&…

python 图像处理(一阶梯度图像和角度图像)

在整个图像处理的学习过程中可以看到&#xff0c;在很多应用中图像强度的变化情况是非常重要的信息。强度的变化可以用灰度图像I&#xff08;对于彩色图像&#xff0c;通常对每个颜色通道分别计算导数&#xff09;的x和y的方向导数和进行描述。 图像的梯度向量为&#xff1a; …

[datawhale202211]跨模态神经搜索实践:前端简介 Streamlit

结论速递 VCED项目使用一个十分简单好用的 Web 应用程序框架Streamlit。 本次任务简单学习Streamlit的基本使用。并逐行阅读学习VCED项目的前端代码&#xff0c;学习数据的传递&#xff0c;中间存储方式&#xff0c;以及功能的实现。 前情回顾 环境配置Jina生态跨模态模型 …

[python]basemap后安装后hello world代码

import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.basemap import Basemap m Basemap() # 实例化一个map m.drawcoastlines() # 画海岸线 m.drawmapboundary(fill_colorwhite) m.fillcontinents(colorwhite,lake_colorwhite) # 画大洲&#x…

点云配准(四) Sparse Point Registration 算法浅析

Sparse Point Registration (SPR)是一篇2017年的点云配准算法,该算法的主要目的是对稀疏点云进行配准,并且取得了不错的成果和突破。本文一方面是对SPR配准算法模型进行了简单的原理解析以及附加代码实现,另一方面是对之前工作的总结,也算水篇博文,接下来的工作主要就是…

正统类加载器Tomcat(tomcat二探)

主流的Java Web服务器&#xff0c;如Tomcat、Jetty、WebLogic、WebSphere或其他笔者没有列举的服务器&#xff0c; 都实现了自己定义的类加载器&#xff0c;而且一般还都不止一个。因为一个功能健全的Web服务器&#xff0c;都要解决 如下的这些问题&#xff1a; 部署在同一个服…

C++设计模式之桥模式

桥模式也是设计模式中单一组件模式的一种。什么是单一组件模式呢&#xff1f; 单一组件模式&#xff1a; 在软件组件设计中&#xff0c;如果责任划分的不清晰&#xff0c;使用继承得到的结果往往是随着需求的变化而变化&#xff0c;子类急剧膨胀&#xff0c;同时充斥着重复代…

SpringBoot-Dubbo中的Customer怎么获取了注册中心的服务呢?

1.Dubbo中的Customer怎么获取了注册中心的服务呢&#xff1f; &#xff08;1&#xff09;要在pom文件中导入接口依赖 &#xff08;2&#xff09;在配置文件中指定服务中心的ip地址 &#xff08;3&#xff09;使用的dubbo自己的注解向服务中心中获取服务&#xff0c;并且将获取…

史上最简单:SpringCloud 集成 mybatis-plus(以若依微服务版本为例)

编者按&#xff1a;若依微服务版是基于Spring Boot、Spring Cloud & Alibaba的微服务的权限管理系统&#xff0c;也是笔者比较推荐的个人学习和企业实践都比较优秀的开源项目。 笔者也以此项目为例&#xff0c;介绍一下我自己是如何操作 SpringCloud 集成 mybatis-plus 的。…

API网关之Nginx作为网关的优势及实战

基于Nginx的网关的优势&#xff1a; 1 .速度更快、并发更高 单次请求或者高并发请求的环境下&#xff0c;Nginx都会比其他Web服务器响应的速度更快。一方面在正常情况下&#xff0c;单次请求会得到更快的响应&#xff0c;另一方面&#xff0c;在高峰期(如有数以万计的并发请求…

【Pytorch with fastai】第 20 章 :结语与问题

&#x1f50e;大家好&#xff0c;我是Sonhhxg_柒&#xff0c;希望你看完之后&#xff0c;能对你有所帮助&#xff0c;不足请指正&#xff01;共同学习交流&#x1f50e; &#x1f4dd;个人主页&#xff0d;Sonhhxg_柒的博客_CSDN博客 &#x1f4c3; &#x1f381;欢迎各位→点赞…