2026年高职人工智能技术(智能算法基础)试题及答案

2026年高职人工智能技术(智能算法基础)试题及答案一、单项选择题（每题2分，共30分）对于循环语句for(i=1;i<=n;i*=2)for(j=1;j<=i;j++)sum++;其时间复杂度为（）A.O(n)B.O(nlog₂n)C.O(log²₂n)D.O(n²)贪心算法的核心选择准则是（）A.通过局部最优得到全局最优B.每一步选择当前状态下的最优选项C.问题必须满足最优子结构性质D.子问题必须存在重叠特性分治法的适用条件不包括（）A.原问题可以分解为多个规模较小的同质子问题B.子问题之间存在重叠特性C.子问题的解可以合并得到原问题的解D.子问题之间相互独立下列选项中，属于深度优先搜索（DFS）核心特点的是（）A.遍历过程遵循先进先出规则B.优先访问当前分支的最深层节点C.一定能找到起点到终点的最优路径D.空间复杂度高于广度优先搜索A*算法的启发函数h(n)满足下列哪个条件时，算法具有可采纳性（即一定能找到最优解）（）A.h(n)≥节点n到目标节点的实际最小代价h(n)B.h(n)≤节点n到目标节点的实际最小代价h(n)C.h(n)=0D.h(n)=h*(n)下列选项中，不属于动态规划算法求解步骤的是（）A.按照问题性质划分阶段B.定义问题状态表示C.每一步做贪心选择缩小问题规模D.根据状态转移递推求解最优解下列典型问题中，无法通过贪心算法得到全局最优解的是（）A.活动安排问题B.0-1背包问题C.分数背包问题D.最小生成树问题

8.遗传算法中，交叉操作的核心作用是（）A.维持种群的多样性B.通过基因片段交换重组产生新个体C.淘汰适应度较低的个体D.计算个体对环境的适应程度卷积神经网络中，池化层的核心作用不包括（）A.对特征图降维B.减少模型计算量C.提取输入的抽象特征D.抑制模型过拟合蚁群优化算法的寻优依据来自于（）A.蚂蚁的视觉导航机制B.信息素浓度的正反馈机制C.自然选择的进化规则D.基因突变的多样性机制算法的空间复杂度的定义是（）A.算法程序的存储长度B.算法程序包含的指令条数C.算法执行过程中所需要的额外存储空间D.算法程序本身占用的存储空间下列算法中，不属于启发式搜索算法的是（）A.深度优先搜索B.A*算法C.遗传算法D.蚁群算法采用邻接矩阵存储的n顶点连通图，Prim算法求解最小生成树的时间复杂度为（）A.O(n²)B.O(nlogn)C.O(eloge)D.O(en)神经网络激活函数ReLU的输出取值范围是（）A.(-∞,+∞)B.[0,+∞)C.(0,1)D.(-1,1)下列问题中，满足动态规划最优子结构性质的是（）A.Floyd全源最短路径问题B.哈夫曼编码问题C.旅行商问题D.以上都是二、多项选择题（每题3分，共15分）经典的算法设计范式包括下列哪些选项（）A.分治法B.动态规划C.贪心算法D.回溯法下列关于A*算法的描述，正确的有（）A.A算法属于典型的启发式搜索算法B.当启发函数h(n)=0时，A算法退化为Dijkstra算法C.可采纳性要求启发函数满足h(n)≤h(n)D.若问题存在可行解且满足可采纳性，A一定能找到最优解遗传算法的核心基本操作包括（）A.选择B.交叉C.变异D.编码下列关于动态规划与分治法的区别，描述正确的有（）A.分治法要求子问题相互独立，动态规划允许子问题相互重叠B.分治法一般递归求解，动态规划通常自底向上求解C.分治法适合解决所有最优问题，动态规划仅适合子问题重叠问题D.动态规划保存所有子问题的解，避免重复计算下列算法中，属于智能启发式优化算法的有（）A.遗传算法B.蚁群算法C.粒子群优化算法D.模拟退火算法三、填空题（每空2分，共20分）算法的五大基本特性为：有穷性、确定性、________、输入、输出。贪心算法求解活动安排问题时，通常按照________的顺序选择活动，从而得到全局最优解。A*算法的评价函数为f(n)=________，其中g(n)表示初始节点到当前节点n的实际代价。动态规划算法的核心思想是利用________性质，保存已求解子问题的结果，避免重复计算。遗传算法中，________操作按照个体适应度选择优秀个体保留到下一代，体现适者生存的进化规则。包含n个顶点的连通无向图，其最小生成树共包含________条边。深度优先搜索遍历图的过程中，需要借助________数据结构存储待访问的节点。粒子群优化算法中，每个粒子代表搜索空间中的一个________，通过跟踪个体极值和全局极值更新位置。0-1背包问题中，若背包容量为C，共包含n个物品，采用动态规划求解的时间复杂度为________。常用激活函数Sigmoid的输出取值范围是________。四、简答题（每题5分，共20分）简述贪心算法与动态规划算法的核心区别，分别举出一个适合两种算法的典型应用问题。简述A算法可采纳性的定义，以及A算法满足可采纳性的条件。简述遗传算法的基本执行流程。简述分治法求解问题的核心步骤，并举一个典型应用案例。五、综合应用题（共15分）（8分）现有一个最大容量为8的背包，共有4个物品，各个物品的重量和价值如下表所示：物品编号重量w价值v123234345456要求采用动态规划法求解该0-1背包问题，写出状态定义、状态转移方程，给出完整计算过程，并求出可以获得的最大价值。

2.（7分）给定连通无向带权图G，顶点集合V={v₁,v₂,v₃,v₄,v₅}，对应的邻接矩阵如下（∞表示两个顶点之间不直接连通）：W

要求采用Prim算法从顶点v₁出发构造该图的最小生成树，写出构造过程，并计算最小生成树的总权值。参考答案一、单项选择题B2.B3.B4.B5.B6.C7.B8.B9.C10.B11.C12.A13.A14.B15.D二、多项选择题ABCD2.ABCD3.ABC4.ABD5.ABCD三、填空题可行性2.活动结束时间升序3.g(n)+h(n)4.重叠子问题5.选择6.n-17.栈8.候选解9.O(nC)10.(0,1)四、简答题参考答案：核心区别主要有三点：①适用条件不同：贪心算法要求问题满足贪心选择性质，即全局最优解可以通过一系列局部最优选择得到，不需要考虑未来的选择；动态规划要求问题满足最优子结构性质和重叠子问题性质，子问题之间存在重叠，需要保存子问题解避免重复计算。②求解思路不同：贪心算法一般采用自顶向下的求解方式，每一步做贪心选择后直接缩小问题规模，不需要回溯求解子问题；动态规划一般采用自底向上的求解方式，先求解所有规模的子问题，再从子问题解得到原问题的解，也可以采用带备忘录的自顶向下方式求解。③结果性质不同：贪心算法仅在满足贪心选择性质的问题上能得到全局最优解，多数情况下只能得到近似最优解；动态规划只要问题满足最优子结构，就一定能得到全局最优解。典型问题：贪心算法适合活动安排问题、分数背包问题；动态规划适合0-1背包问题、最长公共子序列问题。参考答案：可采纳性定义：如果一个搜索算法对于任何存在可行解的问题，都总能找到从初始节点到目标节点的最优解，则称该算法具备可采纳性。A算法满足可采纳性的条件为：①启发函数h(n)满足h(n)≤h(n)，其中h(n)为当前节点n到目标节点的实际最小代价，即启发函数估计的代价不大于实际最小代价；②问题存在从初始节点到目标节点的可行解。满足上述两个条件的A算法一定能找到最优解，具备可采纳性。参考答案：遗传算法的基本执行流程如下：①编码：对问题的候选解进行编码，将解转换为算法可处理的染色体形式，常用编码包括二进制编码、实数编码等；②初始化种群：随机生成一定数量的初始染色体，构成初始种群；③适应度评价：计算种群中每个个体的适应度，适应度反映个体对应的解的优劣程度；④选择操作：按照适应度大小选择个体，适应度越高的个体被选中的概率越大，淘汰适应度低的个体，体现适者生存规则；⑤交叉操作：对选中的个体进行基因片段交换重组，产生新一代个体，是遗传算法产生新个体的核心方式；⑥变异操作：对个体的部分基因位进行随机变异，维持种群多样性，避免算法过早收敛到局部最优；⑦终止判断：若满足终止条件（如达到最大迭代次数、得到满足要求的最优解），则输出最优解，否则返回第三步重复迭代。参考答案：分治法求解问题分为三个核心步骤：①分解：将原问题分解为若干个规模较小、相互独立、性质与原问题相同的子问题；②求解：若子问题规模足够小，可以直接求解则直接求解，否则递归调用分治法求解每个子问题；③合并：将所有子问题的解合并，得到原问题的解。典型应用案例：归并排序，过程为：将待排序数组分解为两个规模相等的子数组，分别递归排序两个子数组得到有序子数组，最后将两个有序子数组合并为一个完整的有序数组，得到原问题的解。五、综合应用题参考答案：（1）状态定义：定义dp[i][j]表示前i个物品放入容量为j的背包中，可以获得的最大价值。（2）状态转移方程：当物品i的重量w[i]≤j时，dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])；当w[i]>j时，dp[i][j]=dp[i-1][j]；初始条件：dp[0][j]=0，dp[i][0]=0，即0个物品或容量为0时，最大价值为0。（3）计算过程：①i=1（物品1，w=2，v=3）：j<2时dp[1][j]=0；j≥2时dp[1][j]=3，dp[1]=[0,0,3,3,3,3,3,3,3]（索引从0到8对应容量0到8）②i=2（物品2，w=3，v=4）：j<3时继承dp[1]；j=3得max(3,0+4)=4；j=4得max(3,0+4)=4；j≥5得max(3,3+4=7)=7，dp[2]=[0,0,0,4,4,7,7,7,7]③i=3（物品3，w=4，v=5）：j<4继承dp[2]；j=4得max(4,0+5)=5；j=5得max(7,0+5)=7；j=6得max(7,0+5)=7；j=7得max(7,4+5=9)=9；j=8得max(7,4+5=9)=9，dp[3]=[0,0,0,4,5,7,7,9,9]④i=4（物品4，w=5，v=6）：j<5继承dp[3]；j=5得max(7,0+6)=7；j=6得max(7,0+6)=7；j=7得max(9,0+6)=9；j=8得max(9,4+6=10)=10，dp[4]=[0,0,0,4,5,7,7,9,10]（4）最终结果：容量为8的背包可以获得的最大价值为10，对应选择物品2和物品4，总重量3+5=8，符合容量要求。参考答案：Prim算法核心是每次选择连接树内顶点和树外顶点的权值最小的边，将对应顶点加入生成树，直到所有顶点都加入。构造过程：①初始状态：树内顶点U={v₁}，树外顶点V-U={v₂,v₃,v₄,v₅}，各顶点到U的最小距离：dist[v₂]=2，dist[v₃]=∞，dist[v₄]=1，dist[v₅]=∞；选择最小距离顶点v₄，将边(v₁,v₄)加入生成树，权值1，U更新为{v₁,v₄}。②更新树外顶点距离：dist[v₂]=min(2,2)=2，dist[v₅]=min