#1097. GESP C++ 六 级 2025年6月真题 · 单选题
GESP C++ 六 级 2025年6月真题 · 单选题
GESP C++ 六 级 2025年6月真题(180 分钟,总分 100 分)
单选题(共 15 题,每题 2 分,共 30 分)
1. 下列哪一项不是面向对象编程的基本特征?
{{ select(1) }}
- 继承
- 封装
- 多态
- 链接
2. 为了让 Dog 类的构造函数能正确地调用其父类 Animal 的构造方法,横线线处应填入( )。
class Animal
{
public:
std::string name;
Animal(std::string str) : name(str)
{
std::cout << "Animal created\n";
}
virtual void speak()
{
cout << "Animal speaks" << endl;
}
};
class Dog : public Animal
{
std::string breed;
public:
Dog(std::string name, std::string b) : _________________, breed(b)
{
std::cout << "Dog created\n";
}
void speak() override
{
cout << "Dog barks" << endl;
}
};
int main()
{
Animal *p = new Dog("Rex", "Labrador");
p->speak();
delete p;
return 0;
}
{{ select(2) }}
Animal(name)super(name)Animal::Animal(name)Animal()
3. 代码同上一题,代码执行结果是( )。
{{ select(3) }}
- 输出 Animal speaks
- 输出 Dog barks
- 编译错误
- 程序崩溃
4. 以下关于栈和队列的代码,执行后输出是( )。
stack<int> s;
queue<int> q;
for (int i = 1; i <= 3; ++i)
{
s.push(i);
q.push(i);
}
cout << s.top() << " " << q.front() << endl;
{{ select(4) }}
- 1 3
- 3 1
- 3 3
- 1 1
5. 在一个循环队列中,front是指向队头的指针, rear指向队尾的指针,队列最大容量为 maxSize。判断队列已满的条件是( )。
{{ select(5) }}
rear == front(rear + 1) % maxSize == front(rear - 1 + maxSize) % maxSize == front(rear - 1) == front
6. ( )只有最底层的节点未被填满,且最底层节点尽量靠左填充。
{{ select(6) }}
- 完美二叉树
- 完全二叉树
- 完满二叉树
- 平衡二叉树
7. 在使用数组表示完全二叉树时,如果一个节点的索引为 i(从开始计数),那么其左子节点的索引通常是( )。
{{ select(7) }}
- ( i-1 ) / 2
- i + 1
- i * 2
- 2 * i + 1
8. 已知一棵二叉树的前序遍历序列为 GDAFEMHZ,中序遍历序列为 ADFGEHMZ,则其后序遍历序列为( )。
{{ select(8) }}
- ADFGEHMZ
- ADFGHMEZ
- AFDGEMZH
- AFDHZMEG
9. 设有字符集 {a, b, c, d, e},其出现频率分别为 {5, 8, 12, 15, 20},得到的哈夫曼编码为( )。
{{ select(9) }}
a: 010b: 011c: 00d: 10e: 11a: 00b: 10c: 011d: 100e: 111a: 10b: 01c: 011d: 100e: 111a: 100b: 01c: 011d: 100e: 00
10. 3位格雷编码中,编码 101 之后的下一个编码不可能是( )。
{{ select(10) }}
- 100
- 111
- 110
- 001
11. 请将下列 C++ 实现的深度优先搜索(DFS)代码补充完整,横线处应填入( )。
struct TreeNode
{
int val;
TreeNode *left;
TreeNode *right;
TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
};
void dfs(TreeNode *root, vector<int> &result)
{
if (root == nullptr)
return;
__________________________
}
{{ select(11) }}
result.push_back(root->val);dfs(root->left);dfs(root->right);result.push_back(root->left->val);dfs(root->right);dfs(root->left);result.push_back(root->left->val);dfs(root->left);dfs(root->right);result.push_back(root->right->val);dfs(root->right);dfs(root->left);
12. 给定一个二叉树,返回每一层中最大的节点值,结果以数组形式返回,横线处应填入( )。
#include <vector>
#include <queue>
#include <algorithm>
struct TreeNode
{
int val;
TreeNode *left;
TreeNode *right;
TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
};
vector<int> largestValues(TreeNode *root)
{
vector<int> result;
if (!root)
return result;
queue<TreeNode *> q;
q.push(root);
while (!q.empty())
{
int sz = q.size();
int maxVal = INT_MIN;
for (int i = 0; i < sz; ++i)
{
TreeNode *node;
_______________________________
maxVal = max(maxVal, node->val);
if (node->left)
q.push(node->left);
if (node->right)
q.push(node->right);
}
result.push_back(maxVal);
}
return result;
}
{{ select(12) }}
node = q.end();node = q.front();q.pop();node = q.front();node = q.front();q.pop();
13. 下面代码实现一个二叉排序树的插入函数(没有相同的数值),横线处应填入( )。
struct TreeNode
{
int val;
TreeNode *left;
TreeNode *right;
TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
};
void insert(TreeNode *&root, int key)
{
if (!root)
{
root = new TreeNode(key);
return;
}
_______________________________
}
{{ select(13) }}
if (key < root->val)
insert(root->left, key);else if (key > root->val)
insert(root->right, key);if (key < root->val)
insert(root->right, key);else if (key > root->val)
insert(root->left, key);insert(root->left, key);insert(root->right, key);insert(root->right, key);insert(root->left, key);
14. 以下关于动态规划算法特性的描述,正确的是( )。
{{ select(14) }}
- 子问题相互独立,不重叠
- 问题包含重叠子问题和最优子结构
- 只能从底至顶迭代求解
- 必须使用递归实现,不能使用迭代
15. 给定 n 个物品和一个最大承重为 W 的背包,每个物品有一个重量 wt[i] 和价值 val[i],每个物品只能选择放或不放。目标是选择若干个物品放入背包,使得总价值最大,且总重量不超过 W。关于下面代码,说法正确的是( )。
int knapsack1D(int W, vector<int> &wt, vector<int> &val, int n)
{
vector<int> dp(W + 1, 0);
for (int i = 0; i < n; ++i)
{
for (int w = W; w >= wt[i]; --w)
{
dp[w] = max(dp[w], dp[w - wt[i]] + val[i]);
}
}
return dp[W];
}
{{ select(15) }}
- 该算法不能处理背包容量为 0 的情况
- 外层循环 i 遍历背包容量,内层遍历物品
- 从大到小遍历 w 是为了避免重复使用同一物品
- 这段代码计算的是最小重量而非最大价值
相关
在下列比赛中: