c++学到什么水平可以找实习这类的工作
首先你要知道你想去什么样的公司实习，因为不同的公司的要求完全不一样。
一些互联网小公司的话，面试和笔试都很基础，就是课程水平的，写写简单的排序算法和指针链表就差不多了，入门级的水平。
像百度阿里腾讯这样的大公司，当然水平要比这个要高一些，在基础之上还会有比较入门的算法的考察，比如：图论，二分，动态规划等等。我有个同学曾接到百度的电话面试，题目是：在不借助sqrt（）函数的情况下，如何实现高精度的开方。题目不难，但是比较灵活，算是对于各种算法有一定了解的水平。
而再往上面，微软谷歌这样的，那你得有ACM的基础才行了，像后缀树这样的东西普通的编程学习都不会接触到。我一个同学获得了ACM亚太赛金牌并通过了微软的面试，题目大概是设计算法找到一组数的中值，对算法的时间复杂度优化有很高的要求，是综合实力很高的水平。
另外好像实习面试题目都不难，思维灵活更重要。
最后推荐两个网站：http://leetcode.com和http://www.hihocoder.com/，前一个上面有很多互联网公司的评测题目，如果你在找实习或找工作前能把这个题库刷完了，那你基本上找工作和实习都很轻松了。后一个类型类似，但是它每周都会有一个微软的笔试题，微软的在线笔试也在上面。
如何成为C++软件工程师,要学哪些东西,求指导
我觉得你老师说的是对的。
我也是软件工程专业，去年研究生毕业了，现在在公司上班，主要用c来编代码。
上班半年多了，再加上大学时间半年实习，正好一年多吧。
这一年的工作经验让我也有一些感受吧。第一个感受就是，学校学的，都只是基础，只是让你能看懂代码，知道一些计算机底层的运作。等你参加工作了，会学很多与你工作相关的尖端技术，这些是在学校里面学不到的。
我也学了java, C#。可笑的是，要是我现在要用java写代码，我还得去看看以前写的代码，回忆一下那些语法什么的（用的不熟练）。但是，至少我能看懂这些代码。
等你工作了，即使你是写c++的，如果你做程序员，那么你肯定会有机会接触java代码。这些机会不一定是说你就要自己写java。举个例子，你写好了代码，是一个library，你自己测试没有问题。然后你写的library被别人调用（你提供了一些API接口）。别人可能用Java的代码来调用你的library，这个时候发现有个bug。别人正常的做法就是通知你，有个bug，这样这样可以重现bug云云。
这个时候，你就必须要能看懂java代码，看明白别人是怎么调用你的API，这样才好debug。
回到你这个问题吧，你想成为c++的软件工程师，那你还是把基础先打好吧。课余时间，再专研c++吧。
楼上的。。。没有什么语言是高科技，其他的是平民的……只是一些语言更适合什么领域的工作。
=========================
看我答案不关注 ikaiqiao 微信的，不是好朋友 :)
计算机数据结构的题目
int main(int argc,char *argv[]) /* 主程序 */
{
struct individual *temp;
// FILE *fopen();
void title();
char *malloc();
/* if((outfp = fopen(argv[1],"w")) == NULL)
{
printf("Cannot open output file %s\n",argv[1]);
exit(-1);
}*/
title();
printf("输入遗传算法执行次数(1-5):");
scanf("%d",&maxruns);
for(run=1; run<=maxruns; run++)
{
initialize();
for(gen=0; gen<maxgen; gen++)
{
printf("\n第 %d / %d 次运行: 当前代为 %d, 共 %d 代\n", run,maxruns,gen,maxgen);
/* 产生新一代 */
generation();
/* 计算新一代种群的适应度统计数据 */
statistics(newpop);
/* 输出新一代统计数据 */
report();
temp = oldpop;
oldpop = newpop;
newpop = temp;
}
freeall();
}
}
遗传算法的核心是什么？！
遗传操作的交叉算子。在自然界生物进化过程中起核心作用的是生物遗传基因的重组(加上变异)。同样，遗传算法中起核心作用的是遗传操作的交叉算子。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。通过交叉，遗传算法的搜索能力得以飞跃提高。交叉算子根据交叉率将种群中的两个个体随机地交换某些基因，能够产生新的基因组合，期望将有益基因组合在一起。扩展资料评估编码策略常采用以下3个规范：a)完备性(completeness):问题空间中的所有点(候选解)都能作为GA空间中的点(染色体)表现。b)健全性(soundness): GA空间中的染色体能对应所有问题空间中的候选解。c)非冗余性(nonredundancy):染色体和候选解一一对应。目前的几种常用的编码技术有二进制编码，浮点数编码，字符编码，变成编码等。而二进制编码是目前遗传算法中最常用的编码方法。即是由二进制字符集{0,1}产生通常的0,1字符串来表示问题空间的候选解。参考资料来源：百度百科-遗传算法参考资料来源：百度百科-SGA
