信息专业笔试题目及答案

信息专业笔试题目及答案一、选择题（每题2分，共40分）1.以下哪种数据结构是非线性结构？A.栈B.队列C.树D.数组2.在计算机网络中，OSI模型的第三层是？A.物理层B.数据链路层C.网络层D.传输层3.下列哪个不是面向对象编程的基本特征？A.封装B.继承C.多态D.过程化4.关于数据库的ACID特性，以下说法正确的是？A.原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability)B.准确性(Accuracy)、一致性(Consistency)、完整性(Integrity)、持久性(Durability)C.原子性(Atomicity)、一致性(Consistency)、独立性(Independence)、持久性(Durability)D.原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、依赖性(Dependency)5.在TCP/IP协议簇中，负责数据传输的协议是？A.IPB.TCPC.UDPD.ICMP6.以下哪个算法用于查找二叉树中的节点？A.快速排序B.二分查找C.深度优先搜索D.归并排序7.关于人工智能中的机器学习，以下说法错误的是？A.监督学习需要标记数据B.无监督学习不需要标记数据C.强化学习不需要环境反馈D.半监督学习使用部分标记数据8.以下哪个不是NoSQL数据库？A.MongoDBB.RedisC.MySQLD.Cassandra9.在信息安全中，以下哪个不是常见的攻击方式？A.DDoS攻击B.SQL注入C.中间人攻击D.数据备份10.关于云计算，以下说法错误的是？A.IaaS是基础设施即服务B.PaaS是平台即服务C.SaaS是软件即服务D.FaaS是文件即服务11.在Python中，以下哪个数据类型是有序的？A.setB.dictC.listD.以上都是12.以下哪个算法用于计算图中两个节点之间的最短路径？A.Dijkstra算法B.快速排序C.归并排序D.堆排序13.关于区块链技术，以下说法错误的是？A.区块链是一种分布式账本技术B.区块链中的数据一旦写入就不能修改C.区块链不需要中心化机构维护D.区块链只能用于加密货币14.在操作系统中，进程和线程的主要区别是？A.进程比线程占用更多资源B.线程比进程占用更多资源C.进程间通信比线程间通信简单D.线程间通信比进程间通信简单15.以下哪个不是设计模式？A.单例模式B.工厂模式C.观察者模式D.循环模式16.关于大数据技术，Hadoop的核心组件是？A.HDFS和MapReduceB.HBase和HiveC.Spark和FlinkD.Kafka和ZooKeeper17.在关系型数据库中，以下哪个操作用于从表中删除数据？A.INSERTB.UPDATEC.DELETED.SELECT18.关于Web开发，以下哪个不是前端框架？A.ReactB.VueC.AngularD.Django19.在计算机网络中，DNS的主要功能是？A.为用户提供电子邮件服务B.将域名解析为IP地址C.提供文件传输服务D.管理网络路由20.关于分布式系统，以下说法错误的是？A.分布式系统可以提高系统的可用性B.分布式系统可以提高系统的可靠性C.分布式系统可以提高系统的性能D.分布式系统可以完全避免单点故障二、填空题（每空2分，共30分）1.在数据结构中，栈的特点是______，队列的特点是______。2.OSI模型的七层结构分别是：物理层、数据链路层、网络层、传输层、会话层、表示层和______。3.在数据库中，用于创建表的SQL命令是______，用于查询数据的SQL命令是______。4.在Python中，用于定义函数的关键字是______，用于定义类的关键字是______。5.计算机网络中，TCP协议是______协议，UDP协议是______协议。6.在算法分析中，时间复杂度O(n²)表示算法的执行时间与输入规模的______成正比。7.在信息安全中，加密技术可以分为对称加密和______加密。8.在面向对象编程中，封装是指将数据和操作数据的______捆绑在一起。9.在数据库设计中，第一范式要求每个属性都是______的。10.在Web开发中，HTML的全称是______，CSS的全称是______。11.在操作系统中，进程的状态有三种：运行态、就绪态和______。三、简答题（每题10分，共30分）1.简述TCP协议的三次握手过程，并说明为什么需要三次握手而不是两次或四次。2.解释什么是数据库事务，并说明事务的ACID特性。3.简述常见的排序算法，并比较它们的优缺点。四、编程题（每题20分，共40分）1.编写一个Python函数，实现快速排序算法，并测试该函数的正确性。2.设计一个简单的学生信息管理系统，要求包含以下功能：添加学生信息、查询学生信息、修改学生信息、删除学生信息。使用面向对象编程思想实现。五、案例分析题（每题20分，共40分）1.某电商平台在促销活动期间，系统流量激增，导致数据库压力过大，系统响应缓慢。请分析可能的原因，并提出优化方案。2.某企业需要设计一个分布式系统，要求系统具有高可用性和可扩展性。请设计一个系统架构方案，并说明各组件的作用。六、论述题（每题20分，共40分）1.论述大数据时代下，信息安全面临的挑战及应对策略。2.论述人工智能对未来社会发展的影响，并分析可能带来的伦理问题。七、计算题（每题10分，共20分）1.在一个使用哈希表存储数据的系统中，哈希函数为h(key)=keymod10，关键字序列为{21,43,75,18,36,58,92}，采用链地址法解决冲突。请画出哈希表的结构，并计算查找关键字为58的元素的平均查找长度。2.某公司有1000名员工，现在需要从中选出10名代表参加一个会议。假设每个员工被选中的概率相等，请计算：(1)特定员工被选中的概率；(2)特定两名员工同时被选中的概率；(3)特定三名员工同时被选中的概率。八、算法设计题（每题20分，共40分）1.设计一个算法，判断一个二叉树是否是平衡二叉树。平衡二叉树是指左右子树的高度差不超过1，且左右子树也都是平衡二叉树。2.给定一个整数数组和一个目标值，找出数组中所有唯一的四元组，使得它们的和等于目标值。注意：解集不能包含重复的四元组。答案及解析一、选择题1.C。树是非线性数据结构，而栈、队列和数组都是线性数据结构。树形结构中数据元素之间存在一对多的关系，而线性结构中数据元素之间存在一对一的关系。2.C。OSI模型的七层结构分别是：物理层、数据链路层、网络层、传输层、会话层、表示层和应用层。其中，网络层负责数据包的路由和转发。3.D。面向对象编程的三大基本特征是封装、继承和多态。过程化是面向过程编程的特征，不是面向对象编程的特征。4.A。数据库的ACID特性是指原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)和持久性(Durability)。其他选项中的术语不是ACID的标准组成部分。5.B。在TCP/IP协议簇中，IP负责数据包的路由和转发，TCP负责可靠的数据传输，UDP负责不可靠的数据传输，ICMP用于网络控制消息。6.C。深度优先搜索(DFS)是用于遍历或查找树或图数据结构的算法。快速排序和归并排序是排序算法，二分查找用于在有序数组中查找元素。7.C。强化学习需要环境反馈，通过试错来学习最优策略。监督学习需要标记数据，无监督学习不需要标记数据，半监督学习使用部分标记数据。8.C。NoSQL数据库是非关系型数据库，包括MongoDB、Redis和Cassandra等。MySQL是关系型数据库，不是NoSQL数据库。9.D。DDoS攻击、SQL注入和中间人攻击都是常见的网络攻击方式。数据备份是一种安全措施，不是攻击方式。10.D。云计算的三种主要服务模式是IaaS(基础设施即服务)、PaaS(平台即服务)和SaaS(软件即服务)。FaaS是函数即服务，也是云计算的一种服务模式，但不在主要的三种服务模式中。11.C。在Python中，list是有序的数据类型，而set和dict是无序的。Python3.7+中，dict保持插入顺序，但仍被视为无序数据类型。12.A。Dijkstra算法用于计算图中两个节点之间的最短路径。快速排序、归并排序和堆排序都是排序算法，不是图算法。13.D。区块链是一种分布式账本技术，数据一旦写入就很难修改，不需要中心化机构维护，但区块链的应用不仅限于加密货币，还可用于供应链管理、身份认证等多个领域。14.A。进程比线程占用更多资源，因为进程拥有独立的内存空间和系统资源。线程是进程内的执行单元，共享进程的资源。进程间通信比线程间通信复杂，因为进程有独立的内存空间。15.D。单例模式、工厂模式和观察者模式都是常见的设计模式，而循环模式不是设计模式。16.A。Hadoop的核心组件是HDFS(分布式文件系统)和MapReduce(分布式计算框架)。HBase、Hive、Spark、Flink、Kafka和ZooKeeper都是大数据生态系统中的重要组件，但不是Hadoop的核心组件。17.C。在SQL中，INSERT用于插入数据，UPDATE用于更新数据，DELETE用于删除数据，SELECT用于查询数据。18.D。React、Vue和Angular都是前端JavaScript框架，而Django是Python后端Web框架。19.B。DNS(域名系统)的主要功能是将人类可读的域名转换为机器可读的IP地址。电子邮件服务由SMTP、POP3和IMAP等协议提供，文件传输服务由FTP等协议提供，网络路由由路由器负责。20.D。分布式系统可以提高系统的可用性、可靠性和性能，但不能完全避免单点故障，因为分布式系统仍然可能存在单点故障，如中心化的管理节点。二、填空题1.后进先出(LIFO)，先进先出(FIFO)2.应用层3.CREATETABLE，SELECT4.def，class5.面向连接，无连接6.平方7.非对称8.方法/函数9.不可再分/原子10.超文本标记语言(HyperTextMarkupLanguage)，层叠样式表(CascadingStyleSheets)11.阻塞态/等待态三、简答题1.TCP协议的三次握手过程：-第一次握手：客户端发送一个SYN包(Seq=x)到服务器，进入SYN_SEND状态，等待服务器确认。-第二次握手：服务器收到SYN包，必须确认客户端的SYN(Seq=x+1)，同时自己也发送一个SYN包(Seq=y)，即SYN+ACK包，此时服务器进入SYN_RECV状态。-第三次握手：客户端收到服务器的SYN+ACK包，向服务器发送确认包ACK(ACK=y+1)，此包发送完毕，客户端和服务器进入ESTABLISHED状态，完成三次握手。需要三次握手而不是两次的原因是为了防止已失效的连接请求报文突然又传送到了服务器，从而产生错误。如果采用两次握手，客户端发送了第一个连接请求报文，但因网络延迟没有到达服务器，客户端又重新发送了一个连接请求报文，服务器收到了第二个连接请求报文并发送了确认连接报文，建立了连接。然后，第一个失效的连接请求报文到达了服务器，服务器误认为是客户端又发出了一次新的连接请求，于是向客户端发出确认报文，建立连接。这样，客户端就不会向服务器发送数据，而服务器却一直等待客户端的数据，造成资源的浪费。采用三次握手可以防止这种情况的发生。2.数据库事务是一系列操作的集合，这些操作要么全部成功，要么全部失败，是一个不可分割的工作单位。事务的ACID特性包括：-原子性(Atomicity)：事务是一个不可分割的工作单位，事务中的操作要么都发生，要么都不发生。-一致性(Consistency)：事务必须使数据库从一个一致性状态变换到另一个一致性状态。-隔离性(Isolation)：一个事务的执行不能被其他事务干扰，即一个事务内部的操作及使用的数据对并发的其他事务是隔离的。-持久性(Durability)：一个事务一旦提交，它对数据库中数据的改变就是永久性的，接下来的其他操作或故障不应该对其有任何影响。3.常见的排序算法包括：-冒泡排序：依次比较相邻的两个数，将小数放在前面，大数放在后面。时间复杂度O(n²)，空间复杂度O(1)，稳定排序。优点：实现简单，空间复杂度低。缺点：时间复杂度高，不适合大规模数据排序。-选择排序：每次从待排序的数据元素中选出最小(或最大)的一个元素，存放在序列的起始位置。时间复杂度O(n²)，空间复杂度O(1)，不稳定排序。优点：实现简单，交换次数少。缺点：时间复杂度高，不适合大规模数据排序。-插入排序：将一个记录插入到已经排好序的有序表中，从而得到一个新的、记录数增1的有序表。时间复杂度O(n²)，空间复杂度O(1)，稳定排序。优点：实现简单，对于小规模数据或基本有序的数据效率较高。缺点：时间复杂度高，不适合大规模数据排序。-快速排序：选择一个基准元素，将数组分为两部分，一部分小于基准，一部分大于基准，然后递归地对两部分进行排序。平均时间复杂度O(nlogn)，最坏时间复杂度O(n²)，空间复杂度O(logn)，不稳定排序。优点：平均情况下效率高，是内部排序中性能最好的排序方法之一。缺点：最坏情况下时间复杂度高，不稳定排序。-归并排序：将已有序的子序列合并，得到完全有序的序列。时间复杂度O(nlogn)，空间复杂度O(n)，稳定排序。优点：时间复杂度稳定，适合大规模数据排序。缺点：需要额外的空间，空间复杂度高。-堆排序：利用堆这种数据结构所设计的一种排序算法。时间复杂度O(nlogn)，空间复杂度O(1)，不稳定排序。优点：时间复杂度稳定，不需要额外的空间。缺点：实现相对复杂，不稳定排序。四、编程题1.快速排序算法的Python实现：```pythondefquick_sort(arr):iflen(arr)<=1:returnarrpivot=arr[len(arr)//2]left=[xforxinarrifx<pivot]middle=[xforxinarrifx==pivot]right=[xforxinarrifx>pivot]returnquick_sort(left)+middle+quick_sort(right)测试函数test_arr=[3,6,8,10,1,2,1]sorted_arr=quick_sort(test_arr)print("原始数组:",test_arr)print("排序后数组:",sorted_arr)```2.学生信息管理系统的Python实现：```pythonclassStudent:def__init__(self,student_id,name,age,gender,major):self.student_id=student_id=nameself.age=ageself.gender=genderself.major=majorclassStudentManagementSystem:def__init__(self):self.students={}defadd_student(self,student):ifstudent.student_idinself.students:print("学生ID已存在，添加失败")returnFalseself.students[student.student_id]=studentprint("学生添加成功")returnTruedefquery_student(self,student_id=None,name=None):ifstudent_id:ifstudent_idinself.students:returnself.students[student_id]else:print("未找到该学生")returnNoneelifname:result=[]forsid,studentinself.students.items():if==name:result.append(student)ifresult:returnresultelse:print("未找到该学生")returnNoneelse:print("请提供学生ID或姓名进行查询")returnNonedefupdate_student(self,student_id,kwargs):ifstudent_idnotinself.students:print("未找到该学生")returnFalsestudent=self.students[student_id]forkey,valueinkwargs.items():ifhasattr(student,key):setattr(student,key,value)else:print(f"学生没有属性:{key}")returnFalseprint("学生信息更新成功")returnTruedefdelete_student(self,student_id):ifstudent_idinself.students:delself.students[student_id]print("学生删除成功")returnTrueelse:print("未找到该学生")returnFalse测试系统system=StudentManagementSystem()添加学生student1=Student("1001","张三",20,"男","计算机科学")student2=Student("1002","李四",21,"女","软件工程")system.add_student(student1)system.add_student(student2)查询学生result=system.query_student(student_id="1001")ifresult:print("查询结果:",,result.major)更新学生信息system.update_student("1001",age=21,major="人工智能")删除学生system.delete_student("1002")```五、案例分析题1.电商平台促销活动期间系统响应缓慢的可能原因及优化方案：可能原因：-数据库压力过大：促销活动期间，用户访问量激增，导致数据库查询请求量大幅增加，造成数据库响应缓慢。-服务器负载过高：大量用户同时访问，导致服务器CPU、内存等资源占用率过高。-网络带宽不足：大量用户同时访问，导致网络带宽不足，数据传输缓慢。-缓存失效：促销活动期间，商品信息、用户信息等缓存可能频繁失效，导致直接访问数据库。-代码性能问题：部分代码可能存在性能瓶颈，如低效的SQL查询、不必要的循环等。优化方案：-数据库优化：-优化数据库索引，确保常用查询字段有适当的索引。-使用读写分离，将读操作和写操作分散到不同的数据库服务器。-使用分库分表策略，将数据分散到多个数据库服务器上。-增加数据库服务器的硬件配置，如增加CPU、内存、使用SSD等。-服务器优化：-增加服务器数量，使用负载均衡技术将请求分散到多个服务器。-使用容器化技术(如Docker)和编排工具(如Kubernetes)实现弹性伸缩，根据负载自动调整服务器数量。-优化服务器配置，如增加CPU、内存、使用更快的网络等。-缓存优化：-使用多级缓存策略，如本地缓存、分布式缓存(Redis)等。-对热点数据设置较长的过期时间，减少缓存失效的频率。-使用缓存预热技术，在促销活动前提前将热点数据加载到缓存中。-代码优化：-优化SQL查询，避免使用SELECT，只查询必要的字段。-避免在循环中执行数据库操作，尽量批量处理。-使用异步处理技术，如消息队列，将非实时性任务异步处理。-前端优化：-使用CDN加速静态资源访问。-实现页面懒加载，减少初始加载时间。-使用浏览器缓存，减少重复请求。2.分布式系统架构设计：系统架构方案：-前端层：使用Web应用和移动应用作为用户界面，通过API网关与后端服务通信。-作用：提供用户交互界面，处理用户请求，展示系统功能。-技术：React/Vue/Angular等前端框架，移动应用开发框架。-API网关：所有前端请求的入口，负责请求路由、负载均衡、认证授权等。-作用：统一管理API入口，提供路由转发、负载均衡、安全认证、限流熔断等功能。-技术：Kong、SpringCloudGateway、Zuul等。-业务服务层：将系统功能拆分为多个微服务，每个服务负责特定的业务功能。-作用：实现具体的业务逻辑，提供服务接口。-技术：SpringBoot、Django、Node.js等。-服务注册与发现：管理微服务的注册与发现，使服务之间能够相互通信。-作用：服务启动时注册自己，服务调用时能够发现其他服务的位置。-技术：Eureka、Consul、ZooKeeper等。-配置中心：集中管理系统的配置信息，支持动态配置更新。-作用：统一管理配置，支持配置的动态更新，避免配置分散管理。-技术：SpringCloudConfig、Apollo、Nacos等。-消息队列：实现服务之间的异步通信，提高系统的可扩展性和可靠性。-作用：解耦服务，实现异步处理，削峰填谷。-技术：Kafka、RabbitMQ、RocketMQ等。-数据存储层：使用多种数据库存储不同类型的数据。-作用：持久化存储系统数据，支持高并发访问。-技术：MySQL/PostgreSQL(关系型数据库)、MongoDB/Cassandra(NoSQL数据库)、Redis(缓存)等。-监控与日志系统：实时监控系统运行状态，收集和分析系统日志。-作用：监控系统性能，及时发现和解决问题，分析系统运行状况。-技术：Prometheus(监控)、ELKStack(日志)、Grafana(可视化)等。-服务网格：管理服务间的通信，提供服务发现、负载均衡、故障恢复等功能。-作用：简化服务间通信的管理，提供可观测性、安全性、可靠性等功能。-技术：Istio、Linkerd等。-CI/CD流水线：实现自动化构建、测试、部署。-作用：提高软件交付效率，减少人为错误，支持持续集成和持续部署。-技术：Jenkins、GitLabCI、GitHubActions等。该架构具有以下特点：-高可用性：通过负载均衡、服务冗余、故障转移等技术，确保系统的高可用性。-可扩展性：通过微服务架构、水平扩展、自动伸缩等技术，实现系统的可扩展性。-容错性：通过熔断、降级、重试、限流等技术，提高系统的容错能力。-可观测性：通过日志、监控、链路追踪等技术，提高系统的可观测性。-安全性：通过认证授权、加密传输、安全审计等技术，保障系统的安全性。六、论述题1.大数据时代下信息安全面临的挑战及应对策略：挑战：-数据量激增带来的安全挑战：大数据时代，数据量呈指数级增长，传统的安全防护手段难以应对海量数据的存储和传输需求，同时也增加了数据泄露的风险。-数据类型多样化带来的安全挑战：大数据不仅包括结构化数据，还包括半结构化数据和非结构化数据，如文本、图像、音频、视频等，不同类型数据的安全防护需求不同，增加了安全防护的复杂性。-数据价值提升带来的安全挑战：大数据蕴含巨大的商业价值和社会价值，成为黑客攻击的重要目标，数据泄露、篡改、破坏等安全事件的危害性更大。-数据生命周期延长带来的安全挑战：大数据需要长期存储，数据的安全风险也随之延长，增加了数据保护的难度。-数据共享与隐私保护的矛盾：大数据的价值在于共享和分析，但数据共享可能侵犯个人隐私，如何在数据共享和隐私保护之间取得平衡是一个重要挑战。-新技术应用带来的安全挑战：云计算、物联网、人工智能等新技术的应用，带来了新的安全风险和挑战，如云服务安全、物联网设备安全、AI算法安全等。应对策略：-加强数据安全法律法规建设：完善数据安全相关法律法规，明确数据安全责任，规范数据处理行为，保护个人隐私。-建立完善的数据安全管理体系：制定数据安全策略和标准，建立数据分类分级制度，实施数据全生命周期安全管理。-加强数据安全技术防护：采用加密技术、访问控制、安全审计等技术手段，保护数据的安全性和完整性。-提升数据安全意识：加强数据安全教育和培训，提高全员数据安全意识，形成良好的数据安全文化。-推动数据安全技术创新：加强数据安全技术研究，发展数据安全新技术、新产品，提升数据安全防护能力。-加强国际合作：加强国际间的数据安全合作，共同应对全球数据安全挑战。-推动隐私计算技术发展：研究隐私保护计算技术，如联邦学习、差分隐私、安全多方计算等，实现在不泄露原始数据的情况下进行数据分析和共享。-加强新兴技术安全研究：针对云计算、物联网、人工智能等新技术，加强安全研究，制定安全标准和最佳实践，防范新型安全风险。2.人工智能对未来社会发展的影响及伦理问题：影响：-经济领域：-提高生产效率：人工智能可以自动化重复性工作，提高生产效率，降低生产成本。-创造新产业：人工智能将催生新产业和新业态，如智能汽车、智能家居、智能医疗等。-改变就业结构：人工智能将取代部分传统工作岗位，同时创造新的就业机会，就业结构将发生重大变化。-社会领域：-提升生活质量：人工智能可以提供个性化服务，如智能推荐、智能客服等，提升生活质量。-改善公共服务：人工智能可以应用于教育、医疗、交通等领域，提供更高效、更优质的公共服务。-促进社会公平：人工智能可以减少人为偏见，促进社会公平，如智能招聘、智能司法等。-科技领域：-加速科技创新：人工智能可以辅助科学研究，加速科技创新，如药物研发、材料科学等。-推动技术融合：人工智能将与大数据、云计算、物联网等技术深度融合，推动技术进步。-环境领域：-促进环境保护：人工智能可以用于环境监测、资源优化配置等，促进环境保护和可持续发展。-应对气候变化：人工智能可以用于气候预测、灾害预警等，帮助应对气候变化。伦理问题：-隐私问题：人工智能系统需要大量数据进行训练，可能侵犯个人隐私，如面部识别、行为分析等技术可能被滥用。-公平性问题：人工智能系统可能继承和放大训练数据中的偏见，导致歧视和不公平，如智能招聘系统可能对某些群体产生偏见。-责任问题：当人工智能系统做出错误决策时，责任归属不明确，如自动驾驶汽车发生事故时，责任如何划分。-安全问题：人工智能技术可能被用于恶意目的，如自主武器系统、网络攻击等，带来安全风险。-人类自主性问题：过度依赖人工智能可能导致人类自主性下降，如过度依赖导航系统导致方向感丧失。-就业问题：人工智能可能导致大规模失业，加剧社会不平等。-控制问题：高级人工智能系统可能超出人类的控制范围，带来未知风险。应对策略：-制定伦理准则：制定人工智能伦理准则，明确人工智能发展的基本原则和边界。-完善法律法规：完善人工智能相关法律法规，规范人工智能的研发和应用。-加强伦理审查：建立人工智能伦理审查机制，对人工智能系统进行伦理评估。-提高透明度：提高人工智能系统的透明度和可解释性，使人们能够理解人工智能的决策过程。-促进多方参与：促进政府、企业、学术界、公众等多方参与人工智能治理，形成共识。-加强国际合作：加强国际间的合作，共同应对人工智能带来的全球性挑战。-关注弱势群体：关注人工智能可能对弱势群体的影响，采取措施减少负面影响。-重视教育和培训：加强人工智能相关教育和培训，提高公众的人工智能素养。七、计算题1.哈希表结构及平均查找长度计算：哈希函数为h(key)=keymod10，关键字序列为{21,43,75,18,36,58,92}，采用链地址法解决冲突。计算各关键字的哈希地址：-h(21)=21mod10=1-h(43)=43mod10=3-h(75)=75mod10=5-h(18)=18mod10=8-h(36)=36mod10=6-h(58)=58mod10=8-h(92)=92mod10=2哈希表结构如下：-槽0：空-槽1：21-槽2：92-槽3：43-槽4：空-槽5：75-槽6：36-槽7：空-槽8：18→58-槽9：空查找关键字为58的元素的过程：-计算h(58)=8，首先检查槽8，发现第一个元素是18，不等于58。-由于采用链地址法，沿着链表继续查找，找到第二个元素58，查找成功。查找关键字为58的元素的查找长度为2。计算平均查找长度：-查找21：比较1次-查找43：比较1次-查找75：比较1次-查找18：比较1次-查找36：比较1次-查找58：比较2次-查找92：比较1次平均查找长度=(1+1+1+1+1+2+1)/7=8/7≈1.142.概率计算：(1)特定员工被选中的概率：从1000名员工中选出10名代表，特定员工被选中的概率为：P=10/1000=1/100=0.01(2)特定两名员工同时被选中的概率：特定两名员工都被选中的概率为：P=C(998,8)/C(1000,10)=[998!/(8!990!)]/[1000!/(10!990!)]=[998!10!990!]/[8!990!1000!]=(109)/(1000999)=90/999000=9/99900=1/11100≈0.00009009(3)特定三名员工同时被选中的概率：特定三名员工都被选中的概率为：P=C(997,7)/C(1000,10)=[997!/(7!990!)]/[1000!/(10!990!)]=[997!10!990!]/[7!990!1000!]=(1098)/(1000999998)=720/997002000=72/99700200=36/49850100=18/24925050=9/12462525≈0.000000722八、算法设计题1.判断二叉树是否是平衡二叉树的算法：```pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightdefis_balanced(root):defcheck(node):ifnotnode:return0left_height=check(node.left)ifleft_height==-1:return-1right_height=check(node.right)ifright_height==-1:return-1ifabs(left_height-righ