LeetCode - Sudoku Solver

https://leetcode.com/problems/sudoku-solver/

这道题我发现大部分的解决方法都是加一个isValid函数,来判断当前数字是否合法。

比如:

http://blog.youkuaiyun.com/linhuanmars/article/details/20748761

http://www.ninechapter.com/solutions/sudoku-solver/

但是我想这样的话就得每次遍历当前列,当前行,当前3×3方格。所以还不如设置hashset数组来记录,然后就可以直接通过hashSet判断是否合法了。

而且他们都是每次递归只检查当前格,我想,如果可以一直前进,前进到是'.'的格,再进入下一次递归,就可以减少递归次数了呀。

但是,写出来代码之后一直不对。。。调了半天也没看出哪里不对。。。。。真是。。。。

而且错误情况也很奇葩,前面都对了,最后一行死活不对。。。。。。

Input: ["..9748...","7........",".2.1.9...","..7...24.",".64.1.59.",".98...3..","...8.3.2.","........6","...2759.."]
Output: ["519748632","783652419","426139875","357986241","264317598","198524367","975863124","832491756","...2759.3"]
Expected: ["519748632","783652419","426139875","357986241","264317598","198524367","975863124","832491756","641275983"]

调试之后发现,始终进入不到最后一行前面几个数,但是因为这个程序实在递归太多,到最后也没看出为啥会出现这种情况。。。。

总之也是醉了,头都晕了也没看出来到底是啥问题,还是先放在这里,过段时间再看看吧,另外,到时候也把他们那种解法也写写吧,可能那种解法真的不容易错。。。。

public class Solution {

    public void solveSudoku(char[][] board) {
        HashSet<Integer>[] rows = new HashSet[9];
        for(int i=0; i<9; i++) rows[i] = new HashSet<Integer>();
        
        HashSet<Integer>[] cols = new HashSet[9];
        for(int i=0; i<9; i++) cols[i] = new HashSet<Integer>();
        
        HashSet<Integer>[] squares = new HashSet[9];
        for(int i=0; i<9; i++) squares[i] = new HashSet<Integer>();
        
        for(int i=0; i<9; i++){
            for(int j=0; j<9; j++){
                if(Character.isDigit(board[i][j])){
                    rows[i].add(board[i][j]-'0');
                    cols[j].add(board[i][j]-'0');
                    squares[(i/3)*3+(j/3)].add(board[i][j] - '0');
                }
            }
        }
        
        helper(board,rows, cols, squares, 0, 0);
        
    }
    
    public boolean helper(char[][] board, HashSet<Integer>[] rows, HashSet<Integer>[] cols, HashSet<Integer>[] squares, int row, int col){
        if(row >= 9) return true;
        for(int i=row; i<9; i++){
            for(int j=col; j<9; j++){
                if(Character.isDigit(board[i][j])){
                    continue;
                }
                else{
                    for(int k=1; k<=9; k++){
                        if(rows[i].contains(k) || cols[j].contains(k) || squares[(i/3)*3+(j/3)].contains(k)) continue;
                        else{
                            rows[i].add(k);
                            cols[j].add(k);
                            squares[(i/3)*3+(j/3)].add(k);
                            board[i][j] = (char)('0'+k);
                            int nextrow;
                            int nextcol;
                            if(j>=8){
                                nextrow = i+1;
                                nextcol = 0;
                            }
                            else{
                                nextrow = i;
                                nextcol = j+1;
                            }
                            if(helper(board, rows, cols, squares, nextrow, nextcol)) return true;
                            rows[i].remove(k);
                            cols[j].remove(k);
                            squares[(i/3)*3+(j/3)].remove(k);
                            board[i][j] = '.';
                        }
                    }
                    return false;
                }
            }
        }
        return true;
    }
}


【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值