2018年真题

news2025/4/13 21:06:43

数学基础

一、 (共4分)用逻辑符号表达下列语句(论域为包含一切事物的集合)

1、(2分)集合A的任一元素的元素都是A的元素

经过对图片文字的识别与逻辑分析,结果如下:
符号定义

  • P(x): x 是集合 A 的元素

  • Q(x,y): x 是 y 的元素

  • 逻辑公式
    ∀ x ∀ y ( P ( y ) ∧ Q ( x , y ) → P ( x ) ) \forall x \forall y \left( P(y) \land Q(x,y) \rightarrow P(x) \right) xy(P(y)Q(x,y)P(x))

  • 自然语言解释
    “对于任意元素 ( x ) 和 ( y ),如果 ( y ) 属于集合 ( A ),且 ( x ) 是 ( y ) 的元素,那么 ( x ) 也必然属于集合 ( A )。”
    这体现了集合的传递性:子集元素的元素仍属于原集合。

    这等价于命题"天下没有长相完全一样的两个人":若存在长相相同的不同个体,则导致逻辑矛盾,故必须为同一人。

:原图中第二个公式的存在量词符号有误(显示为"3y"),已修正为"∃y"。

2、(2分)天下没有长相完全一样的两个人(要求写出两种形式,一种用全称量词,一种用存在量词)

符号定义

  • P(x) : x 是人

  • Q(x,y): x 和 y 长相完全相同

  • R(x,y) : x 和 y 是同一个体

  • 逻辑公式
    ∀ x ∃ y ( P ( x ) ∧ P ( y ) ∧ Q ( x , y ) → R ( x , y ) ) \forall x \exists y \left( P(x) \land P(y) \land Q(x,y) \rightarrow R(x,y) \right) xy(P(x)P(y)Q(x,y)R(x,y))
    ¬ ∃ x ∀ y ( P ( x ) ∧ P ( y ) ∧ Q ( x , y ) ∧ ¬ R ( x , y ) ) \neg \exists x \forall y \left( P(x) \land P(y) \land Q(x,y) \land \neg R(x,y) \right) ¬∃xy(P(x)P(y)Q(x,y)¬R(x,y))

  • 自然语言解释
    “对于所有人 ( x ),如果存在另一个人 ( y ),使得 ( y ) 是人且 ( x ) 和 ( y ) 长相完全相同,那么 ( x ) 和 ( y ) 必须是同一个体。”

二、填空(1-2题每空1分,3-6题每空2分,共16分)

1、设A={∅,{∅}},计算∅-A=___,A-P(∅)=(),P(A)-{∅}=(),P(A)⊕A=().(其中P(A)表示A的幂集)

解答:

  1. ∅−A
    答案:∅
    解释:空集与任何集合的差集仍为空集,因为空集不含任何元素。

  2. A−P(∅)
    答案:{{∅}}
    解释

    • P(∅) 是空集的幂集,即 {∅}。
    • A = {∅, {∅}},减去 P(∅) 后,剩余的元素是 {∅}(因为 {∅} ∉ P(∅))。
  3. P(A)−{∅}
    答案:{{∅}, {{∅}}, {∅, {∅}}}
    解释

    • A 的幂集 P(A) = {∅, {∅}, {{∅}}, {∅, {∅}}}。
    • 移除空集 ∅ 后,剩余的元素是 {∅}, {{∅}}, {∅, {∅}}。
  4. P(A)⊕A
    答案:{{{∅}}, {∅, {∅}}}
    解释

    • 对称差集定义为:P(A)⊕A = (P(A) − A) ∪ (A − P(A))。
    • P(A) − A:P(A) 中不属于 A 的元素是 {{∅}} 和 {∅, {∅}}。
    • A − P(A):A 的所有元素均属于 P(A),因此结果为 ∅。
    • 最终结果为 {{∅}, {∅, {∅}}}。

详细步骤验证
1. ∅−A
差集运算规则:∅ − A = ∅(空集无元素可被移除)。

2. A−P(∅)

  • P(∅) = {∅}(空集仅有自身作为子集)。
  • A = {∅, {∅}},移除 P(∅) 中的元素 ∅ 后,剩余元素为 {∅}(注意:{∅} 是集合元素,需用双层花括号表示)。

3. P(A)−{∅}

  • P(A) = {∅, {∅}, {{∅}}, {∅, {∅}}}。
  • 移除 ∅ 后,剩余元素为 {∅}, {{∅}}, {∅, {∅}}(注意:{∅} 表示集合中的单元素空集)。

4. P(A)⊕A

  • P(A)−A = {{∅}, {∅, {∅}}}(P(A) 中不属于 A 的元素)。
  • A−P(A) = ∅(A 的元素 ∅ 和 {∅} 均在 P(A) 中)。
  • 对称差集为 {{∅}, {∅, {∅}}} ∪ ∅ = {{∅}, {∅, {∅}}}。

符号说明

  • :空集。
  • {∅}:包含空集的集合。
  • {{∅}}:包含 {∅} 的集合。
  • {∅, {∅}}:A 的完整表示。
  • :对称差集(元素仅属于其中一个集合)。

2、按照无穷公理表示的自然数以及连续统假设,用最简洁的形式写出下列计算结果,其中N表示自然数集合,R表示实数∩30=();∩{18,27}=();|𝐍𝐍|=();|𝑹𝑹|=()

∅; 18; ℵ₀;ℵ

3、将函数f(x)=(𝟏+𝒙+ 𝒙 𝟐 𝒙^{𝟐} x2+ 𝒙 𝟑 𝒙^𝟑 x3+⋯)²( 𝒙 𝟐 𝒙^𝟐 x2+ 𝒙 𝟑 𝒙^𝟑 x3+ 𝒙 𝟒 𝒙^𝟒 x4+⋯)³ 展开后 𝒙 𝟏 𝟒 𝒙^{𝟏𝟒} x14系数是(495)。

在这里插入图片描述

4、如果平面图和它对偶图是同构的,则称此平面图是自对偶的。若G是有n个顶点,m条边的自对偶图,求n和m满足关系式是()(此关系不含有n和m以外的其他变量)。

在这里插入图片描述

5、设图G是共有10个顶点边数最多的三部图,则G有()条边

要确定顶点数为10的三部图G的最大边数,需将顶点分为三个部分,使得不同部分之间的边数总和最大。设三个部分的顶点数分别为(a)、(b)、(c)(满足(a + b + c = 10)),边数为(ab + ac + bc)。

关键步骤

  1. 极值条件:当(a)、(b)、(c)尽可能接近时,(ab + ac + bc)最大。
  2. 顶点分配:将10分为三个最接近的整数,即(3, 3, 4)(或排列如(4, 3, 3))。
  3. 计算边数
    a b + a c + b c = 3 × 3 + 3 × 4 + 3 × 4 = 9 + 12 + 12 = 33. ab + ac + bc = 3 \times 3 + 3 \times 4 + 3 \times 4 = 9 + 12 + 12 = 33. ab+ac+bc=3×3+3×4+3×4=9+12+12=33.

验证其他分配

  • 若分为(4, 4, 2),边数为(4 \times 4 + 4 \times 2 + 4 \times 2 = 16 + 8 + 8 = 32)(更小)。
  • 若分为(5, 3, 2),边数为(5 \times 3 + 5 \times 2 + 3 \times 2 = 15 + 10 + 6 = 31)(更小)。

结论

当顶点分为(3, 3, 4)时,边数达到最大值。因此,边数最多的三部图有:

33 \boxed{33} 33

6、有六对夫妇坐在一个圆桌旁,其中通过转圈得到的坐法视为相同的坐法,𝑺𝒊表示第i对夫妇坐一起,则同时满足𝑺𝟏,𝑺𝟑和𝑺𝟔的坐法有()种。

在这里插入图片描述

三、 计算题(要求写出详细运算步骤,共3分)

1、 有120个学生参加考试,共有A、B、C三道题。已知三道题都做对的有12个学生,作对A、B都有20个学生,做对A、C的有16个学生,做对B、C都有28个学生,做对A的有48个学生,做对B的有56个学僧,有16个学生一道题也没有做对,试求仅做对C的学生有多少个?

在这里插入图片描述

四、解答题(共6分)
1、(3分)4名同学同时参加英语和德语面试,要求每门科目只能同时面试1人,2门科目面试时间先后顺序认为是不同的,试问共有多少种不同的面试次序?
2、(3分) 求满足递推关系𝒉𝒏 = 5𝒉𝒏−𝟏− 6𝒉𝒏−𝟐 中𝒉𝒏的表达式,其中初始条件𝒉𝟎=1 ,𝒉𝟏=-2
五、证明题(11分)
1、(3分)对非空集合A上的关系R,若R是非自反和传递的,证明R是反对称的。
2、(8分)设𝑲n是n个顶点的完全图,用红、蓝两种颜色给𝑲9的边任意着色。
1)证明𝑲9中至少存在一个顶点v,使得v关联红边个数不是3。
2)证明必有蓝色的𝑲4或红色的𝑲3。

计算机网络
一、填空题(每空1分,共6分)

  1. 以太网采用()算法来确定碰撞后重传的时间,当第四次发生碰撞后, 节点随机从()中间选择一个值。
    2.若主机A通过一个TCP链接向主机B连续发送两个相邻的TCP报文段, 第一个报文段的序号为750,第二个序号为1100,那么第一个报文段中有()字节数据。
    3.一台主机的IPv4地址为16.29.4.3,子网掩码为255.248.0.0,该主机所在网络共有()个不同子网,该主机子网地址为(),子网掩码对应的网络前缀有()位。
    二、单项选择题(每小题1分,共5分)
    1.当以太网交换机收到一个帧时,若帧的目的地址在转发表中找不到对应的表项,交换机将()
    A.丢弃
    B. 洪泛
    C. 转发给网关
    D. 转发给其他主机
    2.四个地址块172.18.129.0/24,172.18.130.0/24,172.18.132.0/24,172.18.133.0/24 ,如果进行路由汇聚,覆盖这4个地址块的是()
    A. 172.18.132.0/23
    B. 172.18.128.0/22
    C. 172.18.130.0/22
    D 172.18.128.0/21
    3.一个使用选择性重传协议的数据链路层协议,如果采用了6位的帧序号,那么可以使用的最大发送窗口是()
    A. 31
    B. 32
    C. 63
    D. 64
  2. 关于IPv6的叙述,错误的是()
    A.IPv6数据报取消了选项字段,采用扩展首部实现选项功能
    B.IPv6数据报只能在源点进行分片,路由器不进行分片操作
    C.IPv6的本地链路单播地址可以和互联网上的其他主机进行通信
    D.IPv6支持按流标号进行资源预分配
  3. 域名解析两种方式分别是()
    A.直接解析和间接解析
    B. 直接解析和递归解析
    C. 间接解析和迭代解析
    D. 迭代解析和递归解析
    三、名词解释(每小题2分,共4分)
    1.时延带宽积
    2.虚拟局域网
    四、问答和计算题(共15分)
    (计算中记: 1G≈109;1M≈106;1K≈10^3)
    1.(共4分) 主机A通过一条带宽为100Mbps的网络链路向主机B传输数据帧,假设每帧携带的数据是1K字节,链路单向时延为50ms,若设计一个滑动窗口协议,使得发送窗口和接收窗口大小相同:
    (1)窗口大小是多少?
    (2)最少需要多少位作为序号?
    2.(共5分) UDP用户数据报的数据部分长度是8000字节,通过以太网来传输UDP数据报,若UDP头部为8字节,IP分组头部为20字节,以太网MTU为1500字节。
    (1)能分几个IP分片?
    (2)最后一个IP分片的长度是多少?片偏移字段值是多少?
    3.(共5分) 设TCP的慢启动窗口大小从1开始,拥塞窗口阈值初始为16(报文段),当拥塞窗口上升到20时发生超时,TCP开始慢启动和拥塞避免。
    (1)简要说明该过程中经过的拥塞控制阶段。
    (2)第15轮次传输时,拥塞窗口大小为多少?
    (3)在哪个传输轮次中发送第35个报文段?
    软件工程
    一、单项选择题(每小题1 分,共5 分)
    1.E-R图主要由哪些要素组成()
    A.数据,对象,实体 B. 控制,联系,对象 C. 实体,联系,属性 D. 实体,属性,操作
    2.正式技术评审的目标是()
    A.发现软件中的错误 B. 评价程序员的工作效率 C. 发现和改正程序中的错误
    D. 记录程序员给出的情况与绩效挂钩
    3.在UML中,()关系描述了两个对象类之间的一般化/特殊化关系,它可以使子对象类共享父对象类的属性和方法。
    A.依赖
    B. 泛化
    C. 关联
    D. 实现
    4.某模块内有两个处理A和B, 分别对数据区X写数据和读数据,则该模块的内聚类型属于()
    A.逻辑内聚
    B. 过程内聚
    C. 通信内聚
    D. 内容内聚
    4.关于增量开发模型的叙述,错误的是()
    A.不必等到整个系统开发完成就可以使用
    B. 可以使用较早开发的增量构件来构建稍后开发的增量构件
    C. 优先级最高的服务先交付,这样最重要的服务能接受最多的测试
    D. 有利于较好的模块划分
    二、判断题(每小题1 分,共5 分。如果正确,用“√”表示,否则,用“×”表示)
  4. 软件的开发成本不但要考虑开发的人力消耗,还要考虑期间的其他经常性消耗。()
  5. 模块的独立程度可以用两个标准来衡量,这两个标准分别是模块的内聚度和模块之间的耦合度,他们属于定性的标准。()
  6. 描述一个模块内的处理流程时,一种改进的方法是使用N-S图(盒图),与最常用的程序流程图相比,它的优点是完全避免了GOTO转移,彻底遵循了结构化程序设计的思想。()
  7. 描述一个模块内的处理流程时,一种改进的方法是使用PAD图,与最常用的程序流程图相比,它的优点是完全避免了GOTO转移,彻底遵循了结构化程序设计的思想。()
  8. 在描述系统功能时常使用用例图建模,但也需要辅之以规格说明,即用例实现的场景。场景从用户角度描述每一个功能处理的事件序列。()
    三、简答题(每小题4 分,共12 分)
  9. 在承包软件项目之前为什么要需要可行性研究?软件项目的可行性研究主要研究哪几个方面的可行性?
  10. 事务驱动风格的体系结构在软件体系中属于控制XX,它是通过外部生成的事件XX的系统。典型的事务驱动风格的体系结构有哪种类型?简述他们的控制机制。
  11. 软件生存周期中可能执行的活动可以分为5个基本过程,这5个基本过程是什么?每一个基本过程与软件项目的哪一方相关?

四、建模题(共8 分)
问题陈述:下面是在某慕课教育平台上一个在线作业批改系统的简化陈述:
学生
·系统登录,提交学生标识(学号、密码);
·在线提交作业(作业题量、完成题目、答案、提交时间);
·获取作业已批改的通知(学号、批改时间、评分、评价(可选));
·查看已批改的作业。
教师
·教师登录,提交教师标识(教师号、密码);
·上传作业信息(作业题量、布置题目、标准答案、评分标准、最后期限);
·获取有作业提交的通知(学号、提交时间);
·下载学生提交的作业(在屏幕上显示);
·批改后上传已批改作业(学号、批改时间、评分、评价(可选));
·获取作业抽检意见(学号、教师号、建议)。
教学督导
·教师登录,提交督导标识(教师号,密码);
·抽取并下载作业样本(学号、教师号、批改时间、评分、评价(可选));
·抽检并提交抽检意见(学号、教师号、建议)。
试回答:
1.(4分)结构化分析方法给出该系统的顶层DFD中,请补充图中缺失的4个数据流;
2.(4分)写出该数据流图中的数据字典。

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/2331079.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

Efficient Burst Raw Denoising:稳定噪声方差和分频率降噪

Efficient Burst Raw Denoising with Stabilization and Multi-Frequency Denoising Network Burst Raw Denoising必要性Burst Raw Image Denoising流程Main Contributions具体方法介绍集成noise priorCMOS sensor 噪声建模噪声变换(Variance stabilization&#xf…

mapbox进阶,使用本地dem数据,加载hillshade山体阴影图层

👨‍⚕️ 主页: gis分享者 👨‍⚕️ 感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅! 👨‍⚕️ 收录于专栏:mapbox 从入门到精通 文章目录 一、🍀前言1.1 ☘️mapboxgl.Map 地图对象1.2 ☘️mapboxgl.Map style属性1.3 ☘️hillshade 山体阴影图层 api1.3.1 ☘️…

【C++】Stack Queue 仿函数

📝前言: 这篇文章我们来讲讲STL中的stack和queue。因为前面我们已经有了string、vector和list的学习基础,所以这篇文章主要关注一些stack和queue的细节问题,以及了解一下deque(缝合怪)和priority_queue &am…

代码随想录_单调栈

代码随想录_单调栈 739.每日温度 739. 每日温度 给定一个整数数组 temperatures ,表示每天的温度,返回一个数组 answer ,其中 answer[i] 是指对于第 i 天,下一个更高温度出现在几天后。如果气温在这之后都不会升高,…

BoostSearch搜索引擎项目 —— 测试用例设计 + web自动化测试代码

web自动化代码: https://gitee.com/chicken-c/boost-search/tree/master/AutoTest

【Ansible自动化运维】一、初步了解,开启自动化运维之旅

在当今数字化时代,随着企业 IT 基础设施规模的不断扩大,传统的手工运维方式逐渐显得力不从心。自动化运维技术应运而生,其中 Ansible 凭借其简洁易用、功能强大的特点,成为众多运维工程师和开发人员的首选工具。本篇文章将从基础概…

条件概率、概率乘法公式、全概率公式和贝叶斯 (Bayes) 公式

定义 设 P ( A ) > 0 P(A) > 0 P(A)>0,若在随机事件 A A A发生的条件下随机事件 B B B发生的概率记作 P ( B ∣ A ) P(B|A) P(B∣A),定义 P ( B ∣ A ) P ( A B ) P ( A ) P(B|A) \frac{P(AB)}{P(A)} P(B∣A)P(A)P(AB)​ 则称 P ( B ∣ A ) …

kotlin,Android,jetpack compose,日期时间设置

AI生成,调试出来学习,这些小组件会用了,就可以组合一个大点的程序了。 package com.example.mydatetimeimport android.app.AlertDialog import android.os.Bundle import androidx.activity.ComponentActivity import androidx.activity.co…

ASP.NET图书馆借阅系统(源码+lw+部署文档+讲解),源码可白嫖!

摘要 近些年来,随着科技的飞速发展,互联网的普及逐渐延伸到各行各业中,给人们生活带来了十分的便利,图书馆借阅系统利用计算机网络实现信息化管理,使图书信息、图书借阅、归还的管理发展和服务水平有显著提升。 本文拟…

vi/vim常用快捷键

那么今天我们继续昨天没有介绍完的vi编辑器,来看看常用的一些快捷键,方便我们对文件的编辑. 1.拷贝当前行yy,拷贝当前行向下的5行5yy,并粘贴(输入p) 2.删除当前行dd,删除当前行向下的5行5d 3.在文件中查找某个单词[命令模式/关键字,回车查找,输入n就是查找下一个] ⭐️&…

opencv无法设置禁用RGB转换问题

树莓派连接摄像头,摄像头输出格式为YUYV(YUV422)。 通过执行 v4l2-ctl --list-formats --device/dev/video0 可以看的具体的摄像头的数据格式。 使用opencv获取视频流,通过cap.set(cv2.CAP_PROP_CONVERT_RGB, 0)设置禁用自动转换RGB格式,但是打印输出…

MCP+Blender创建电力塔

MCP(Model Context Protocol)与Blender的结合是当前AI与3D建模领域的热门技术,它通过协议化的方式让Claude等AI模型直接控制Blender,实现自动化3D建模。 1. 功能与原理 • 核心能力:用户通过自然语言指令(…

Selenium自动化:玩转浏览器,搞定动态页面爬取

嘿,各位爬虫爱好者和自动化达人们!是不是经常遇到这种情况:信心满满地写好爬虫,requests一把梭,结果抓下来的HTML里,想要的数据空空如也?定睛一看,原来数据是靠JavaScript动态加载出…

QAI AppBuilder 快速上手(8): 图像修复应用实例2

LaMa-Dilated模型旨在通过扩张卷积技术实现高效的图像擦除和修复。该模型采用先进的卷积神经网络架构,能够处理复杂的图像输入,并填补图像中的缺失部分,使修复后的图像更加自然和逼真。LaMa-Dilated不仅在图像编辑领域表现出色,还…

【计网】作业4

一. 单选题(共22题,64分) 1. (单选题)主机甲采用停止-等待协议向主机乙发送数据,数据传输速率是4kb/s,单向传播时延为30ms,忽略确认帧的发送时延。当信道利用率等于80%时,数据帧的长度为&#…

MPDrive:利用基于标记的提示学习提高自动驾驶的空间理解能力

25年4月来自南方科技大学、百度、英国 KCL和琶洲实验室(广东 AI 和数字经济实验室)的论文“MPDrive: Improving Spatial Understanding with Marker-Based Prompt Learning for Autonomous Driving”。 自动驾驶视觉问答(AD-VQA)…

【学习笔记】HTTP和HTTPS的核心区别及工作原理

一、基础概念 HTTP(超文本传输协议):明文传输数据,默认端口80,容易被窃听或篡改。 HTTPS(HTTP SSL/TLS):通过加密传输数据,默认端口443,保障安全性。 二、…

【STL】list介绍(附与vector的比较)

文章目录 1.关于list2.使用2.1 list的构造2.2 list 迭代器的使用2.3 list 容量操作2.3.1 size()2.3.2 empty()2.3.3 resize() 2.4 list 元素访问2.4.1 front()2.4.2 back() 2.5 list 修改操作2.5.1 push_front()2.5.2 pop_front()2.5.3 push_back()2.5.4 pop_back()2.5.5 inser…

Ansible:roles角色

文章目录 Roles角色Ansible Roles目录编排Roles各目录作用创建 roleplaybook调用角色调用角色方法1:调用角色方法2:调用角色方法3: roles 中 tags 使用实战案例 Roles角色 角色是ansible自1.2版本引入的新特性,用于层次性、结构化…

找不到导入的项目“xxx\QtMsBuild\Qt.props”。请确认 Import 声明“$(QtMsBuild)\Qt.props”中计算结果为

系列文章目录 文章目录 系列文章目录前言一、问题原因 前言 新建的项目visual studio2022 使用Qt vs tools 找不到导入的项目“E:\osgEarth\DigitalSimulationPlatform\DigitalSimulationPlatform\QtMsBuild\Qt.props”。 请确认 Import 声明“$(QtMsBuild)\Qt.props”中计算结…