LintCode 389: Valid Sudoku

本文介绍了一种算法,用于验证一个部分填充的数独是否有效。通过检查每一行、每一列以及每一个九宫格内数字是否重复,确保数独遵循基本规则。提供了两种解法,一种使用哈希表,另一种使用位标记。
  1. Valid Sudoku

Determine whether a Sudoku is valid.

The Sudoku board could be partially filled, where empty cells are filled with the character …

Example
Example 1:

Input:
[“53…7…”,“6…195…”,".98…6.",“8…6…3”,“4…8.3…1”,“7…2…6”,".6…28.","…419…5","…8…79"]
Output: true
Explanation:
The sudoku is look like this. It’s vaild.
Valid Sudoku

Example 2:

Input:
[“53…7j…”,“6…195…”,".98…6.",“8…6…3”,“4…8.3…1”,“7…2…6”,".6…28.","…419…5","…8…79"]
Output: false
Explanation:
The sudoku is look like this. It’s invaild because there are two ‘5’ in the first row and the sixth line.
image

Clarification
What is Sudoku?

http://sudoku.com.au/TheRules.aspx
https://zh.wikipedia.org/wiki/數獨
https://en.wikipedia.org/wiki/Sudoku
http://baike.baidu.com/subview/961/10842669.htm
Notice
A valid Sudoku board (partially filled) is not necessarily solvable. Only the filled cells need to be validated.

解法1:
注意:
用gridIndex = (i / 3) * 3 + j / 3得到cell的index

class Solution {
public:
    /**
     * @param board: the board
     * @return: whether the Sudoku is valid
     */
    bool isValidSudoku(vector<vector<char>> &board) {
        int m = board.size();
        int n = board[0].size();
        if (m != 9 || n !=9) return false;
        
        unordered_map<char, int> um;   //number, count
        for (int i = 0; i < 9; ++i) {
            um.clear();
            for (int j = 0; j < 9; ++j) {
                if (board[i][j] >= '0' && board[i][j] <= '9' && um[board[i][j]]++ > 0) {
                    return false;
                }
            }
        //    if (um.size() != 9) return false;        
        }

        for (int i = 0; i < 9; ++i) {
            um.clear();
            for (int j = 0; j < 9; ++j) {
                if (board[j][i] >= '0' && board[j][i] <= '9' && um[board[j][i]]++ > 0) {
                    return false;
                }
            }
       //     if (um.size() != 9) return false;        
        }

        vector<unordered_set<int>> gridArray(9); //gridIndex, number
        
        for (int i = 0; i < 9; ++i) {
            //um.clear();
            for (int j = 0; j < 9; ++j) {
                int gridIndex = (i / 3) * 3 + j / 3; // the x-th small grid

                if (board[i][j] >= '0' && board[i][j] <= '9' && gridArray[gridIndex].find(board[i][j]) != gridArray[gridIndex].end())) {
                    return false;
                } else {
                    gridArray[gridIndex].insert(board[i][j]);
                }
            }
          //  if (um.size() != 9) return false;
        }
        
        return true;
    }
};

解法2:
把解法1的三个步骤放到一起,不过要用3个2D vector。

class Solution {
public:
    /**
     * @param board: the board
     * @return: whether the Sudoku is valid
     */
    bool isValidSudoku(vector<vector<char>> &board) {
        int m = board.size();
        int n = board[0].size();
        if (m != 9 || n !=9) return false;
        vector<vector<bool>> rowsFlag(9, vector<bool>(9));
        vector<vector<bool>> colsFlag(9, vector<bool>(9));
        vector<vector<bool>> cellsFlag(9, vector<bool>(9));
        
        for (int i = 0; i < 9; ++i) {
            for (int j = 0; j < 9; ++j) {
                if (board[i][j] == '.') continue;
                int cellIndex = (i / 3) * 3 + j / 3; // the x-th small grid
                int num = board[i][j] - '1';
                if (rowsFlag[i][num] || colsFlag[j][num] || cellsFlag[cellIndex][num]) return false;
                rowsFlag[i][num] = true;
                colsFlag[j][num] = true;
                cellsFlag[cellIndex][num] = true;
            }
        }
        
        return true;
    }
};
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
评论
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