川大复试准备资料由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“川大复试经验”。
1请你自我介绍一下。请谈谈你的毕业设计。
3请介绍一下你的学校或者专业。4请表述一下C++和JAVA的区别。
（1）．指针 JAVA语言让编程者无法找到指针来直接访问内存（2）．多重继承 c++支持多重继承，Java不支持多重继承，但允许一个类继承多个接口（3）．数据类型及类 Java是完全面向对象的语言，所有函数和变量部必须是类的一部分。而c++允许将函数和变量定义为全局的。此外，Java中取消了c／c++中的结构和联合（4）．自动内存管理 Java自动进行无用内存回收操作，不需要程序员进行删除。而c十十中必须由程序员释放内存资源（5）．操作符重载 Java不支持操作符重载。操作符重载被认为是c十十的突出特征，（6）．预处理功能 Java不支持预处理功能。（7）.Java不支持缺省函数参数，而c十十支持（8）字符串 c和c十十不支持字符串变量，在c和c十十程序中使用Null终止符代表字符串的结束，在Java中字符串是用类对象(strinR和stringBuffer)来实现的（9）“goto语句 Java不提供goto语句，它虽然指定goto作为关键字，但不支持它的使用（l0）．类型转换 Java不支持c十十中的自动强制类型转换，如果需要，必须由程序显式进行强制类型转换。（11）.异常 JAVA中的异常机制用于捕获例外事件，增强系统容错能力请用英语表述一下软件周期的过程。
软件产品从形成概念开始，经过开发、使用和维护，直到最后退役的全过程称为软件生命周期
软件生命周期分为软件系统的可行性研究、需求分析、概要设计、详细设计、实现、组装测试、确认测试、使用、维护、退役十个阶段
The software product from forms the concept to start, to undergo the development, the use and the maintenance, until retires finally the entire proce is called software life cycle the software life cycle to divide into software system's feasibility study, the demand analysis, the preliminary design, the detailed design, to realize, the aembly test, the confirmation test, the use, the maintenance, to retire ten stages 6请描述一下C++或者JAVA里面的特殊数据类型，并举例说明不同。
JAVA的布尔型数据只有两种状态：真和假。通常用关键字true和false,和C++不同的是不能代表整数
7请问你本科期间有没有发表过论文。8请介绍一下你本科期间做过的项目。9请问你为什么要考研究生。10.plans in the postgraduate study 11.介绍你的家乡（about hometown）
12有什么优缺点？
13报考研究生的真正动机是什么？
14请你谈谈你对国内外研究生制度的看法，有什么建设性的意见？
15、你是否有出国的打算，你对出国有什么看法。
16、你有什么特长和爱好？
17、你对自己的学习成绩是否满意？
18、你如何评价你的大学生活？
19、你懂何种语言、熟练程度如何？ 20、你为什么报考本单位的研究生？
21、你认为你能通过复试吗？
22、请你设计你的未来职业生涯。
23、请你谈谈你对本专业的设想。
24、计算机的几大部件有？
25、图形和图像的区别？
26、C语言的数据类型？
27、编译器和解释器的区别？
川大计算机面试的时候问些什么问题？
注：和英语一样，抽取3个问题，老师会用汉语问你，请你用汉语表述。问题列举：
1请问什么是鱼群算法？
artifical fish-warm algorithm xp(v1,v2„„vn)个体的当前位置，d(p,q)=(1/n)*{[v(p,1)-v(q,1)]^2+„„[v(p,n)-v(q,n)]^2}，两个体的距离，（不知道为什么用1/n而不是开平方）；visual 一只鱼的感知距离。@拥挤度因子。第一步：觅食人工鱼当前位置为Xi，在可见域内随机选择一个位置Xj（d(ij)=0.5 若：FCc/nf1>@FCi(FCc为中心食物浓度，FCi为Xi点食物浓度)则：向中心移动：X(i+1,k)=不变，当Xik=X(center,k)时;Xik=随机（0，1），当 Xik!=X(center,k)时;若：FCc/nf1 @FCi,则向它移动 ：X(i+1,k)=当X(i,k)=X(max,k)时，X(i,k)不变，当X(i,k)!=X(max,k)时，X(i,k)= 随机（0,1）第四步：公告板 在运算过程中，用公告板始终记录下最优FCi 在一片水域中,鱼往往能自行或尾随其他鱼找到营养物质多的地方,因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方，人工鱼群算法就是根据这一特点,通过构造人工鱼来模仿鱼群的觅食!聚群及追尾行为,从而实现寻优，以下是鱼的几种典型行为:(1)觅食行为:一般情况下鱼在水中随机地自由游动,当发现食物时,则会向食物逐渐增多的方向快速游去。(2)聚群行为:鱼在游动过程中为了保证自身的生存和躲避危害会自然地聚集成群，鱼聚群时所遵守的规则有三条:分隔规则:尽量避免与临近伙伴过于拥挤;对准规则:尽量与临近伙伴的平均方向一致;内聚规则:尽量朝临近伙伴的中心移动。(3)追尾行为:当鱼群中的一条或几条鱼发现食物时,其临近的伙伴会尾随其快速到达食物点。特点：1)具有较快的收敛速度,可以用于解决有实时性要求的问题;2)对于一些精度要求不高的场合,可以用它快速的得到一个可行解;3)不需要问题的严格机理模型,甚至不需要问题的精确描述,这使得它的应用范围得以延伸.停止条件1)判断连续多次所得的均方差小于语允许的误差2）判断某个区域的人工鱼群的数目达到某个比率3）联系多次所获取的值均不能超过已寻找的极值。
2请问什么是蚁群算法？
蚁群算法
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。
蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值.蚁群算法是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型，基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。
预期的结果：
各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果令开辟的道路比原来的其他道路更短，那么，渐渐，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。
原理：
为什么小小的蚂蚁能够找到食物？他们具有智能么？设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃。这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序。
然而，事实并没有你想得那么复杂，上面这个程序每个蚂蚁的核心程序编码不过100多行！为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！那么，这些简单规则是什么呢？下面详细说明：
1、范围：
蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。
2、环境：
蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让信息素消失。
3、觅食规则：
在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。
4、移动规则：
每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。
5、避障规则：
如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。
7、播撒信息素规则：
每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少。
根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过信息素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒信息素，当其它的蚂蚁经过它附近的时候，就会感觉到信息素的存在，进而根据信息素的指引找到了食物。
问题：
说了这么多，蚂蚁究竟是怎么找到食物的呢？
在没有蚂蚁找到食物的时候，环境没有有用的信息素，那么蚂蚁为什么会相对有效的找到食物呢？这要归功于蚂蚁的移动规则，尤其是在没有信息素时候的移动规则。首先，它要能尽量保持某种惯性，这样使得蚂蚁尽量向前方移动（开始，这个前方是随机固定的一个方向），而不是原地无谓的打转或者震动；其次，蚂蚁要有一定的随机性，虽然有了固定的方向，但它也不能像粒子一样直线运动下去，而是有一个随机的干扰。这样就使得蚂蚁运动起来具有了一定的目的性，尽量保持原来的方向，但又有新的试探，尤其当碰到障碍物的时候它会立即改变方向，这可以看成一种选择的过程，也就是环境的障碍物让蚂蚁的某个方向正确，而其他方向则不对。这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然能找到隐蔽得很好的食物。
当然，在有一只蚂蚁找到了食物的时候，其他蚂蚁会沿着信息素很快找到食物的。
蚂蚁如何找到最短路径的？这一是要归功于信息素，另外要归功于环境，具体说是计算机时钟。信息素多的地方显然经过这里的蚂蚁会多，因而会有更多的蚂蚁聚集过来。假设有两条路从窝通向食物，开始的时候，走这两条路的蚂蚁数量同样多（或者较长的路上蚂蚁多，这也无关紧要）。当蚂蚁沿着一条路到达终点以后会马上返回来，这样，短的路蚂蚁来回一次的时间就短，这也意味着重复的频率就快，因而在单位时间里走过的蚂蚁数目就多，洒下的信息素自然也会多，自然会有更多的蚂蚁被吸引过来，从而洒下更多的信息素„„；而长的路正相反，因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。也许有人会问局部最短路径和全局最短路的问题，实际上蚂蚁逐渐接近全局最短路的，为什么呢？这源于蚂蚁会犯错误，也就是它会按照一定的概率不往信息素高的地方走而另辟蹊径，这可以理解为一种创新，这种创新如果能缩短路途，那么根据刚才叙述的原理，更多的蚂蚁会被吸引过来。
引申
跟着蚂蚁的踪迹，你找到了什么？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点：
1、多样性
2、正反馈
多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环，正反馈机制则保证了相对优良的信息能够被保存下来。我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力。正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创造性，正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了。
引申来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合。如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的随机运动，它就会陷入混沌状态；而相反，多样性不够，正反馈机制过强，那么系统就好比一潭死水。这在蚁群中来讲就表现为，蚂蚁的行为过于僵硬，当环境变化了，蚂蚁群仍然不能适当的调整。
既然复杂性、智能行为是根据底层规则涌现的，既然底层规则具有多样性和正反馈特点，那么也许你会问这些规则是哪里来的？多样性和正反馈又是哪里来的？我本人的意见：规则来源于大自然的进化。而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合。而这样的巧妙结合又是为什么呢？为什么在你眼前呈现的世界是如此栩栩如生呢？答案在于环境造就了这一切，之所以你看到栩栩如生的世界，是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了，被环境淘汰了！
参数说明：
最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。
错误概率表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。
速度半径表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。
记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。
蚁群算法的实现
下面的程序开始运行之后，蚂蚁们开始从窝里出动了，寻找食物；他们会顺着屏幕爬满整个画面，直到找到食物再返回窝。
其中，‘F’点表示食物，‘H’表示窝，白色块表示障碍物，‘+’就是蚂蚁了。
参数说明：
最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。
错误概率表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。
速度半径表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。
记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。
3请问什么是语义网？
语义网是Semantic Web的中文名称。语义网就是能够根据语义进行判断的网络。简单地说，语义网是一种能理解人类语言的智能网络，它不但能够理解人类的语言，而且还可以使人与电脑之间的交流变得像人与人之间交流一样轻松。语义网是对未来网络的一个设想,在这样的网络中,信息都被赋予了明确的含义,机器能够自动地处理和集成网上可用的信息.语义网使用XML来定义定制的标签格式以及用RDF的灵活性来表达数据,下一步需要的就是一种Ontology的网络语言(比如OWL)来描述网络文档中的术语的明确含义和它们之间的关系.添加了更多的用于描述属性和类型的词汇,例如类型之间的不相交性(disjointne),基数(cardinality),等价性,属性的更丰富的类型,属性特征(例如对称性,symmetry),以及枚举类型(enumerated claes).4请问AI的应用范围？
人工智能的应用领域
1、问题求解。
人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到目前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。
2、逻辑推理与定理证明。
逻辑推理是人工智能研究中最持久的领域之一，其中特别重要的是要找到一些方法，只把注意力集中在一个大型的数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的题。定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。
3、自然语言处理。
自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。
4、智能信息检索技术。
受“()*+(*)技术迅猛发展的影响，信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。
5、专家系统。
专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来，在“ 专家系统”或“ 知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识，所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经达到了人类专家的水平。成功的例子如：PROSPECTOR系统发现了一个钼矿沉积，价值超过1亿美元。DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用。MY CIN系统可以对血液传染病的诊断治疗方案提供咨询意见。经正式鉴定结果，对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。
5请问WEB 2.0的特点？
第一不论是鼓励使用者参与内容创作，或是使用者之间的互动，总之所有在网站做的事，都要从使用者为中心出发；
第二个重点是开放的重要性，因为透过开放的讨论，才能回过头来丰富使用者的经验，比如说Google地图服务，就被广泛运用在旅游日记的标注，或是房地产买卖的档案中；
第三，Web 2.0强调使用者网络的外部延展性，也就是说经由服务的提供，形成去中心化的型态，像Skype网络电话，或是崛起于西班牙的无线网络服务公司Fon，就是扩展网络外部性的例子。
总结：最少的官方介入 最大的用户自由度 最广泛的内容共享 最紧密的用户交互 将Web作为平台； 驾驭群体智慧 资料将变成未来的“Intel Inside”； 软件不断发行与升级的循环将会终结（“永久的Beta版”）轻量型程序设计模型； 通过内容和服务的联合使轻量的业务模型可行； 软件执行将跨越单一设备 丰富的使用者体验 分享和参与的架构 所驱动的网络效应； 通过带动分散的、独立的开发者把各个系统和网站组合形成大汇集的改革； 拉动长尾的能力;快速的反应与功能新增 双向的互动
6请问图形和图像的区别？
一、存储方式的区别：图形存储的是画图的函数；图像存储的则是像素的位置信息和颜色信息以及灰度信息。
二、缩放的区别：图形在进行缩放时不会失真，可以适应不同的分辨率；图像放大时会失真，可以看到整个图像是由很多像素组合而成的。
三、处理方式的区别：对图形，我们可以旋转、扭曲、拉伸等等；而对图像，我们可以进行对比度增强、边缘检测等等。
四、算法的区别：对图形，我们可以用几何算法来处理；对图像，我们可以用滤波、统计的算法。
五、其他：图形不是主观存在的，是我们根据客观事物而主观形成的；图像则是对客观事物的真实描述。
图象”一般是指数学中图,如函数图象一类的东西;7请问你毕业设计的核心设计问题？ 8请问神经网络是干啥的？
神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。
神经网络控制是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。
在控制领域，将具有学习能力的控制系统称为学习控制系统，属于智能控制系统。神经控制是有学习能力的，属于学习控制，是智能控制的一个分支。
神经控制发展至今，虽仅有十余年的历史，已有了多种控制结构。如神经预测控制、神经逆系统控制等
9请讲5个网络术语？
broadband(宽带)—这种传输中，通信介质上有多个传输通道，允许在同一时刻有多 个结点进行传输。
cell(信元)—是用于高速传输的格式化数据单元，经常用在AT M中。
computer network(计算机网络)—计算机网络是由通信电缆或无线电波链接的计算机、Asynchronous Transfer Mode(异步传输模式, AT M)—采用信元、多通道和交换在同一 网络上发送音频、视频和数据传输的传输方法。
Addre Resolution Protocol(地址解析协议, ARP)—一种基于T C P / I P的协议，利用该协议，发送结点可以确定接收结点的M A C地址。
bridge(网桥)—网桥是将使用相同的访问手段的不同局域网段连接在一起的网络传输 设备。例如，使用网桥将一个以太局域网连接到另一个以太局域网，或将令牌环局域网 连接到另一个令牌环局域网上。
10请问对分布式的了解？
所谓分布式就是指数据和程序可以不位于一个服务器上，而是分散到多个服务器，以网络上分散分布的地理信息数据及受其影响的数据库操作为研究对象的一种理论计算模型。分布式有利于任务在整个计算机系统上进行分配与优化，克服了传统集中式系统会导致中心主机资源紧张与响应瓶颈的缺陷，解决了网络GIS 中存在的数据异构、数据共享、运算复杂等问题，是地理信息系统技术的一大进步。11.什么是退火算法？
12.数据库发展经历了哪几种模型？
13、谈谈你对TCP/IP协议的理解
14、网络的拓扑结构？
15、什么是系统集成？
16、TCP/UDP的区别？
我报考了川大2014年的研究生考试，专业是基础数学。初试成绩是346分，想把复试的经验分享给需要的朋友。我是一个人独自去的川大，没有联系川大的同学。从成都火车北站下车，坐公交......
考研复试需要准备的资料考研与以往的其它考试的不同之处，在于除了初试以外还要通过复试，只要这两方面的成绩都达到报考院校的要求，才能被报考院校录取。那么，对于大部分的考生来......
考研英语复试准备资料（自我介绍和常见问题） 一.了解报考院校专业往年的英语口试形式 各院校各专业的复试口试 形式各不相同，一定要对症下药。可以通过询问以前考过的师兄、师姐......
1997年试题：比较文学一． 解释（5×6=30） 1． 比较文学 2.影响研究 3.平行研究 4.跨学科研究 5.诗学 二． 简答(2×15=30) 1.民族文学与文化传播 2.文学的可比性 三． 论述（任选两题）（2×20......
复试将至，其实很多考生会担心这样的问题：专业课面试时，如果导师问的问题是我不了解的专业内容，怎么办?如果面试时被导师戳中了自己的“软肋”，提醒大家，首先要秉持正确的态度，诚实......
