其中 ( k ) 是树的深度，对于深度为7的满二叉树，( k = 7 )。所以：深度为7的满二叉树中叶子节点的总个数是64个。

逻辑数据模型又称为数据模型，是面向数据库系统的模型，着重于在数据库系统一级的实现。成熟并大量使用的逻辑模型有层次模型、网状模型、关系模型和面向对象模型等。

"存储程序”思想是冯·诺依曼等人在1946年6月首先提出来的，它可以简要地概括为以下几点：

①计算机（指硬件)由运算器、控制器、存储器、输入设备和输出设备五大基本部件组成；

②计算机内部用二进制来表示指令和数据；

③需将编好的程序和原始数据事先存入存储器中，然后再启动计算机工作。本题答案为A选项。本题选择A选项。

程序查询方式是指程序主动查询输入输出设备是否准备好：如果准备好，CPU执行/O操作：否则，CPIU会一直查询并等待设备准备好后执行I/O操作。

一个进程的活动情况至少可以划分为以下5种基本状态：

(1)运行状态处于运行状态的进程实际上正占据着CPU。显然，处于这种状态的进程数目不能多于CPU的数目。在单CPU的情况下，处于运行状态的进程只能有一个。

(2)就绪状态这种状态下的进程已获得除CPU以外的一切所需资源，只是因为缺少CPU而不能运行，一旦获得CPU，它就立即投入运行。

(3)等待状态一个进程正在等待某一事件的发生而暂时停止执行。在这种状态下，即使把CPU分配给它，该进程也不能运行，即处于等待状态，又称为阻塞状态或封锁状态。(4)创建状态进程正在创建过程中，尚不能执行。

(5)终止状态进程运行结束。

栈是先进后出的线性表, 队列是先进先出的线性表。
将元素A, B, C, D, E, F, G, H依次轮流入栈和入队, 这时栈中的元素为ACEG, 队列中的元素为BDFH; 然后依次轮流退队和出栈, 即队列中B元素退队, 然后栈中G元素出栈, 队列中D元素退队, 栈中E元素出栈, 以此顺序, 完成所有元素退队和出栈, 则输出序列为B, G, D, E, F, C, H, A。

树的度为3, 即树中只存在度为 0、1、2、3 的结点, 假设叶子结点数为 n , 由于没有度为 1 和 2 的结点, 则度为3的结点数为 $29 - n$ , 根据树中的结点数=树中所有结点的度之和 +1, 得 $3×(29 - n) + 0×1 + 0×2 + n×0 + 1 = 29$ , 得出的n不为整数, 因此不存在这样的树。

设循环队列的存储空间为 $Q(1 : m)$ , 初始状态为空。
在循环队列运转起来后, 如果 $rear - front > 0$ , 则队列中的元素个数为 $rear - front$ 个; 如果 $rear - front < 0$ , 则队列中的元素个数为 $rear - front + m$ 。
本题中 $front = 25, rear = 24, rear - front < 0$ , 则元素个数为 $24 - 25 + 60 = 59$ 。

根据完全二叉树的性质：具有 $n$ 个结点的完全二叉树的深度为 $[log₂n]+1$。本题中完全二叉树共有 256 个结点，则深度为 $[log₂256]+1=8+1=9$ 。

关系代数中T表示投影运算，其下标表示需要投影出来的列；0表示选择运算，其下标表示选择过程中需要满足的条件；A表示并运算；>表示自然连接。首先在Tr表中找出在1号医生处就诊的记录OD#=1(Tr)，并检索出这些记录中患者的编号TTp#(OD#=1(Tr)),检索结果与表P进行自然连接生成中间表TTo#（OD#=1（Tr)）P，最后在中间表中检索患者的姓名Pn。故本题答案为A。

顺序查找和寻找最大项、最小项在最坏情况下比较次数为 n。对于长度为 n 的有
序线性表，在最坏情况下，二分法查找只需要比较 （log以2为底n为对数） 次。

(1) 冒泡排序的总时间复杂度为 $O(n^2)$。这是因为在最坏的情况下，需要进行 $n-1$ 次遍历，每次遍历需要进行的比较次数从 $n-1$ 逐渐减少到 $1$。所以总的比较次数是 $\frac{n(n-1)}{2}$，这是一个等差数列求和公式。由于冒泡排序在每次遍历中还需要进行元素交换，所以时间复杂度是 $O(n^2)$。

(2) 快速排序的平均时间复杂度是 $O(n \log n)$，但在最坏的情况下，如果初始序列已经是有序的，快速排序的时间复杂度会退化到 $O(n^2)$。这是因为每次划分都会产生一个不平衡的划分，导致递归树的深度接近 $n$，从而使得比较和交换操作的次数接近于线性序列的平方。

(3) 希尔排序的时间复杂度与所选用的间隔序列有关，不同的间隔序列会导致不同的性能。在最坏的情况下，希尔排序的时间复杂度可能达到 $O(n^2)$，但通常情况下，它的表现会比这个要好。希尔排序的平均时间复杂度通常认为是 $O(n \log^2 n)$ 或 $O(n^{4/3})$，这取决于间隔序列的选择。

(4) 简单插入排序在最坏情况下的时间复杂度也是 $O(n^2)$。这是因为在最坏的情况下，序列是完全逆序的，每次插入操作都需要比较 $n-1, n-2, \ldots, 1$ 次，总共需要进行 $\frac{n(n-1)}{2}$ 次比较。

#
# 在____________上补充代码
# 请不要修改其他代码
#

import turtle as t #更简洁地调用turtle库
ls = [69, 292, 33, 131, 61, 254]
X_len = 400
Y_len = 300
x0 = -200
y0 = -100

t.penup()
t.goto(x0, y0)
t.pendown()

t.fd(X_len)
t.fd(-X_len)
t.seth(90) #设置笔的起始角度
t.fd(Y_len)

t.pencolor('red')
t.pensize(5)
for i in range(len(ls)):
    t.penup()             #提起画笔
    t.goto(x0 + (i+1)*50, y0) #移到绝对坐标处，这里x坐标动，y坐标不动
    t.seth(90)
    t.pendown()           #放下画笔
    t.fd(ls[i])   #表示直线爬行的距离
t.done()

#
# 在......上补充一行或多行代码
# 不得修改其他代码
#

import random
random.seed(2)
pdict= {'Alice':['123456789'],
        'Bob':['234567891'],
        'Lily':['345678912'],
        'Jane':['456789123']}
name = input('请输入一个人名:')
if name in pdict:
    print("{} {} {}".format(name,pdict.get(name)[0],random.randint(1000,9999)))
else:
    print("对不起，您输入的用户信息不存在。")