Java面向对象编程

2023-09-18 09:10:02

对于IP地址130.63.160.2,MASK为255.255.255.0,子网号为()

A. 160.2

B. 160

C. 63.160

D. 130.63.160

答案:B

将网络物理地址转换为IP地址的协议是()

A. IP

B. ICMP

C. ARP

D. RARP

答案:D

有关cookie和session的描述,下面错误的是()

A. cookie数据存放在客户的浏览器上,session数据放在服务器上

B. session是针对每一个用户的,变量的值保存在服务器上,用一个sessionID来区分是哪个用户session变量

C. 保存这个session id的方式可以采用cookie

D. 只要关闭浏览器,session就消失了

答案:D

关于TIME_WAIT状态的描述,下面说法错误的是()

A. TIME_WAIT出现在被动关闭一方,CLOSE_WAIT出现在主动关闭一方

B. 从TIME_WAIT状态到CLOSED状态,有一个超时设置,这个超时设置是 2*MSL

C. TIME_WAIT确保有足够的时间让对端收到了ACK,如果被动关闭的那方没有收到Ack,就会触发被动端重发Fin,一来一去正好2个MSL

D. 有足够的时间让这个连接不会跟后面的连接混在一起

答案:A

TCP连接释放过程,叙述不正确的是()

A. 通过设置FIN为来表示释放连接

B. 当一方释放连接后另一方即不能继续发送数据

C. 只有双方均释放连接后,该连接才被释放

D. 释放连接采用四次挥手机制

答案:B

下面有关TCP协议的描述,说法错误的是()

A. TCP使用窗口机制进行流量控制

B. 由于TCP连接是全双工的,因此每个方向都必须单独进行关闭,需要四次握手

C. TCP连接建立需要三次握手

D. 被动关闭socket后,会进入到TIME_WAIT状态

答案:D

查看TCP连接的命令是什么()

A. tcpdump

B. top

C. netstat

D. ifconfig

答案:C

某IP地址192.168.48.10,掩码为255.255.255.128,其所在的子网为(),广播地址为(),有效的主机IP地址范围是()

A. 192.168.48.0/192.168.48.127/192.168.48.1 到 192.168.48.126

B. 192.168.48.0/192.168.48.255/192.168.48.1 到 192.168.48.255

C. 192.168.48.1/192.168.48.255/192.168.48.1 到 192.168.48.126

D. 192.168.48.1/192.168.48.127/192.168.48.1 到 192.168.48.255

答案:A

172.16.100.5/255.255.255.252 的网络地址和主机号是多少()

A. 172.16.100.4 1

B. 172.16.100.4 5

C. 172.16.100.5 1

D. 172.16.100.5 5

答案:A

下面有关NAT的描述,说法错误的是()

A. NAT是一种把内部私有网络地址(IP地址)翻译成合法网络IP地址的技术

B. NAT的实现方式有三种,即静态转换Static Nat、动态转换Dynamic Nat和端口多路复用OverLoad

C. NAT可以有效的缓解了IP地址不足的问题

D. 虚拟机里配置NAT模式,需要手工为虚拟系统配置IP地址、子网掩码,而且还要和宿主机器处于同一网段

答案:D

合唱团
题目描述:有 n 个学生站成一排,每个学生有一个能力值,牛牛想从这 n 个学生中按照顺序选取 k 名学生,要求相邻两个学生的位置编号的差不超过 d,使得这 k 个学生 的能力值的乘积最大,你能返回最大的乘积吗? 
输入描述:每个输入包含 1 个测试用例。每个测试数据的第一行包含一个整数 n (1 <= n <= 50),表示学生的个数,接下来的一行,包含 n 个整数,按顺序表示每个学生 的能力值 a (-50 <= ai <= 50)。接下来的一行包含两个整数,k 和 d (1 <= k <= 10, 1 <= d <= 50)。 
输出描述:输出一行表示最大的乘积。

 

public class Main77 {

    //合唱团

    public static long getMax(int[] arr, int n, int k, int d) {

        long[][] maxValue = new long[n + 1][k + 1];

        long[][] minValue = new long[n + 1][k + 1];

        long ret = 0;

        //F(i,j):以第i个学生结尾,共选了j个同学的最大值

        //初始状态F(i,1):arr[i]

        for (int i = 1; i <= n; ++i) {

            maxValue[i][1] = minValue[i][1] = arr[i - 1];

        }

        for (int i = 1; i <= n; ++i) {

            for (int j = 1; j <= k; ++j) {

                //约束条件:相邻同学间隔不超过d

                for (int m = i - 1; m >= Math.max(i - d, 1) ; --m) {

                    maxValue[i][j] = Math.max(maxValue[i][j],

                            Math.max(maxValue[m][j - 1] * arr[i - 1],

                                    minValue[m][j - 1] * arr[i - 1]));



                    minValue[i][j] = Math.min(minValue[i][j],

                            Math.min(maxValue[m][j - 1] * arr[i - 1],

                                    minValue[m][j - 1] * arr[i - 1]));

                }

            }

            //更新最大值max(F(i,k))

            ret = Math.max(ret, maxValue[i][k]);

        }

        return ret;

    }



    public static void main(String[] args) {

        int n;

        int k;

        int d;

        Scanner scanner = new Scanner(System.in);

        n = scanner.nextInt();

        int[] arr = new int[n];

        for (int i = 0; i < n; ++i) {

            arr[i] = scanner.nextInt();

        }

        k = scanner.nextInt();

        d = scanner.nextInt();

        System.out.println(getMax(arr, n, k, d));

    }

}
 
 
马戏团
题目描述:搜狐员工小王最近利用假期在外地旅游,在某个小镇碰到一个马戏团表演,精彩的表演结束后发现团长正和大伙在帐篷前激烈讨论,小王打听了下了解到, 马戏 团正打算出一个新节目“最高罗汉塔”,即马戏团员叠罗汉表演。考虑到安全因素,要求叠罗汉过程中,站在某个人肩上的人应该既比自己矮又比自己瘦,或相 等。 团长想要本次节目中的罗汉塔叠的最高,由于人数众多,正在头疼如何安排人员的问题。小王觉得这个问题很简单,于是统计了参与最高罗汉塔表演的所有 团员的身高体重,并且很快找到叠最高罗汉塔的人员序列。 现在你手上也拿到了这样一份身高体重表,请找出可以叠出的最高罗汉塔的高度,这份表中马戏团员 依次编号为1到N。 
输入描述:首先一个正整数N,表示人员个数。 之后N行,每行三个数,分别对应马戏团员编号,体重和身高。 
输出描述:正整数m,表示罗汉塔的高度。
 
 
 
 
 
 


class node implements Comparable<node>{

    int w;

    int h;

    public node(int w,int h){

        this.w=w;

        this.h=h;

    }



    @Override

    public int compareTo(node obj) {

        int ret=w-obj.w;

        //体重相同,身高降序

        if (ret==0){

            return obj.h-h;

        }

        return ret;

    }

}



public class Main78 {



    public static void main(String[] args) {

        Scanner scanner=new Scanner(System.in);

        while (scanner.hasNextInt()){

            int n= scanner.nextInt();

            node[] arr=new node[n];

            for (int i = 0; i < n; ++i) {

                scanner.nextInt();

                arr[i]=new node(scanner.nextInt(), scanner.nextInt());

            }

            System.out.println(getMaxLength(arr,n));

        }

    }



    public static int getMaxLength(node[] arr,int n){

        //排序

        Arrays.sort(arr);

        //计算最大子序列长度

        int ret=0;

        //F(i):以第i个元素结尾的最大子序列长度

        //初始值:F(i)=1

        int[] maxLength=new int[n];
        for (int i = 0; i < n; ++i) {

            maxLength[i]=1;

        }

        for (int i = 1; i < n; ++i) {

            for (int j = 0; j < i; ++j) {

                if (arr[j].h <=arr[i].h){

                    maxLength[i]=Math.max(maxLength[i],maxLength[j]+1);

                }

            }

            //跟新最值max(F(i))

            ret=Math.max(ret,maxLength[i]);

        }

        return ret;

    }

}
更多推荐

驱动开发--字符设备驱动的实现

一、字符设备驱动内部注册过程通过对register_chrdev内部的实现过程进行分析,其实注册字符设备驱动的过程就是下面几步:1.分配structcdev对象空间2.初始化structcdev对象3.注册cdev对象完成上面的三步,就完成了字符设备驱动的注册。二、通过字符设备驱动分步注册方式编写LED驱动,完成设备文

【LittleXi】第五章 Process API exercise

文章目录【LittleXi】第五章ProcessAPIexercise第五章(simulator)实验准备第五章(code)【LittleXi】第五章ProcessAPIexercise第五章(simulator)实验准备github下载对应代码https://github.com/remzi-arpacidussea

基于Python的微博舆论分析,微博情感分析可视化系统(V2.0)

简介Python基于微博的舆情分析,情感分析可视化系统微博舆情分析系统,项目后端分爬虫模块、数据分析模块、数据存储模块、业务逻辑模块组成。功能包括登陆注册用户管理热门事件展示舆情分析,包括舆情分析,情感分类,用户分布,关键词云图,热门帖子,热门评论排名舆情预警个人信息管理原文地址先后进行了数据获取和筛选存储,对存储后的

自然语言处理应用(三):微调BERT

微调BERT微调(Fine-tuning)BERT是指在预训练的BERT模型基础上,使用特定领域或任务相关的数据对其进行进一步训练以适应具体任务的需求。BERT(BidirectionalEncoderRepresentationsfromTransformers)是一种基于Transformer架构的深度双向预训练语

机器学习 day35(决策树)

决策树上图的数据集是一个特征值X采用分类值,即只取几个离散值,同时也是一个二元分类任务,即标签Y只有两个值上图为之前数据集对应的决策树,最顶层的节点称为根节点,椭圆形节点称为决策节点,矩形节点称为叶子节点决策树学习算法的工作是,在所有可能的决策树中,选择一个在训练集上能表现良好,并能很好的推广到新数据(即交叉验证集和测

CUDA小白 - NPP(9) 图像处理 Statistical Operations

cuda小白原始API链接NPPGPU架构近些年也有不少的变化,具体的可以参考别的博主的介绍,都比较详细。还有一些cuda中的专有名词的含义,可以参考《详解CUDA的Context、Stream、Warp、SM、SP、Kernel、Block、Grid》常见的NppStatus,可以看这里。本文主要介绍的是NPP的统计

今天开课,欢迎学习!公益课“14天学会统计学与SPSS”,课程结束赠送全套视频...

新一期的课程今天开课!来学习吧!我们精心整理的600页彩色纸质版教程就可以帮助你更好得掌握本课程!“14天学会医学统计学与SPSS”,是浙江中医药大学医学统计教研室、浙江省预防医学会卫生统计学专业委员会共同主持的公益网课!不是忽悠人的商业收费课程!高校公开课,免费的!自2021年起,浙江中医药大学医学统计教研室教研书主

【ijkplayer】编译 Android 版本的 ijkplayer ⑦ ( 使用 AS 打开源码 | 重新设置 AGP 和 Gradle 版本号 | 设置依赖仓库 | 设置依赖 | 编译运行 )

文章目录一、AndroidStudio打开编译后的ijkplayer源码二、重新设置AndroidGradle插件版本号和Gradle构建工具版本号三、设置依赖仓库1、取消jcenter仓库2、添加google和mavenCentral仓库3、添加阿里云仓库四、取消jcenter上传相关插件五、设置编译工具版本号六、取

Tomcat调优【精简版】

Tomcat调优优化Tomcat内存分配调整Tomcat启动脚本contalina.sh,设置tomcat启动时分配的内存很可使用的最大内存;CATALINA_OPTS调整Tomcat线程池Tomcat默认使用的线程池:ThreadPoolExecutor可以通过修改server.xml的Connector节点下的ma

在Android Studio中,如何通过CMake 配置文件来实现多个动态依赖库的编译?

在AndroidStudio中,如何通过CMake配置文件来实现多个动态依赖库的编译?Author:LycanNote:以下问题解答通过大模型生成,主要用于个人学习和备忘,仅供参考,若有错误或者侵权,请联系我修正,谢谢。问题在AndroidStudio中,如何通过CMake配置文件来实现多个动态依赖库的编译?请一步一步

离散高斯抽样(Discrete Gaussian Sampling)

离散高斯抽样离散高斯抽样(DiscreteGaussianSampling)是一种常见于密码学和数学领域的随机采样方法。它通常用于构建基于格(lattice)的密码学方案,如基于格的加密和数字签名。DiscreteGaussianSampling的主要目的是从一个离散的集合中随机选择元素,同时遵循高斯分布(Gaussi

热文推荐