笔试时间：2025年8月28日

往年笔试合集：

2023春招秋招笔试合集

2024春招秋招笔试合集

第一题：基于决策树预判资源调配优先级

在无线通信系统中为了资源调配更加合理和及时，需要对未来一段时间网络的负载做出预判以确定资源调配的优先级。决策树是一种常用的模型，可以根据采集到的状态数据，结合时间段、天气等因素来推测合理的资源调配优先级。现在将一个训练好的分类决策树模型 Tree 安装在系统中，请实现决策树的推算算法，根据输入特征返回资源调配优先级。

输入描述

输入包含多行数据：

首行是属性参数；后续 (m) 行是决策树模型的结构数据；再后续 (n) 行是待推理的样本。

1. 属性参数（首行）包含 3 个 int 类数据，分别表示：特征数量 (f)，树模型的节点数 (m)，待推理样本的行数 (n)。

2. 决策树模型 (T) （(T) 是 (m) 行 5 列的矩阵）一行数据表示决策树的一个节点，首行表示根节点（即 (T) 矩阵中的第 0 行)，共有 (m) 个节点。5 个列分别表示：分裂特征的下标分裂特征的阈值当前节点左子节点的行号（即 (T) 矩阵中第几行）当前节点右子树的行号分类结果（即资源调配优先级）数据类型分别为：int, float, int, int, int；下标和行号均从 0 开始。模型结构中有意义的数据均 (\geq 0)，无意义数据统一用 (-1) 表示。 例如：叶子节点无分裂特征，因此该字段填入 (-1)。决策规则：若样本特征的取值 (\leq) 分裂特征的阈值，则进入左子树，否则进入右子树。

3. 待推理样本（(n) 行 (f) 列）一行数据表示一个待推理的样本；每行包含 (f) 个特征，数据类型为 float。

输出描述

返回分类结果。 注：一行一个分类结果，数据类型为 int。

样例输入

2 5 2

0 2.5 1 2 -1

-1 -1 -1 -1 1

1 5.0 3 4 -1

-1 -1 -1 -1 2

-1 -1 -1 -1 3

1.2 3.4

5.6 6.0

样例输出

1

3

解释：

第 1 行：特征数量为 2，模型节点数为 5，待推理样本为 2 条。

第 2 到 6 行：决策树模型，共 5 个节点。首行（第 2 行输入数据）为根节点。

第 7 到 8 行：2 个待推理样本，每个样本包含 2 个特征。输出：两条样本的推理结果分别为 分类 1、分类 3。

参考题解

这道题的核心是模拟决策树的推理过程。题目给了树的结构（每行一个节点）和待分类样本，要求根据决策规则输出分类结果。输入结构分析首行给出三个参数：特征数 f、树节点数 m、样本数 n。接着 m 行，每行 5 个数，描述一个节点：分裂特征下标阈值左子节点行号右子节点行号分类结果（叶子节点有效，否则 -1）最后 n 行是待分类的样本。树的结构特征若样本对应特征值 ≤ 阈值 → 进入左子树；否则进入右子树。如果 res != -1，说明是叶子节点，直接返回分类结果。否则按照规则判断：不断迭代，直到走到叶子节点。推理过程对每个样本：从根节点（下标 0）开始；根据特征和阈值一路走到叶子；输出叶子节点存放的分类结果。关键点树是用数组存的，节点索引即行号。遍历过程是 while 循环，不是递归。遇到 res != -1 就停。本题的核心就是 按输入描述的决策树结构，逐个样本从根节点出发，比较特征值和阈值，沿左右子树递归/迭代下去，直到到达叶子节点，输出对应分类结果

Python：

f, m, n = map(int, input().split())
tree = [list(map(float, input().split())) for _ in range(m)]
samples = [list(map(float, input().split())) for _ in range(n)]

for s in samples:
    idx = 0
    whileTrue:
        feat, thr, lch, rch, res = tree[idx]
        feat, lch, rch, res = int(feat), int(lch), int(rch), int(res)
        if res != -1:
            print(res)
            break
        if s[feat] <= thr:
            idx = lch
        else:
            idx = rch

第二题：Group卷积实现

卷积（Convolution）是计算视觉中常用的计算算子，广泛应用于图像分类、检测、跟踪等多领域。

如下图所示，以2个三维张量卷积计算为例，取输入张量X为通道数3、高度3、宽度3，卷积核K为通道数3、高度2、宽度2，二者执行卷积计算要求其通道数相同。 当取卷积计算步长stride=1，填充padding=0，膨胀dilation=1，无偏置项(bias)时，卷积核K在输入张量X上从左至右，从上至下滑动，分别与滑窗所重叠的输入张量3×2×2切片，逐元素相乘求和后，得到输出张量Y的各元