Leetcode Sudoku Solver

本文介绍了一种使用深度优先搜索(DFS)算法解决数独问题的方法。通过递归地尝试填入数字并验证其有效性来填充空白格子,最终解决数独谜题。代码实现了数独的解决过程,并提供了一个实例演示。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

思路

1. 典型的深搜题

2. 框架 dfs(board, ith)

 

代码

#include <iostream>
#include <stdio.h>
#include <memory.h>
#include <algorithm>
#include <vector>
#include <map>
#include <set>
#include <string>
#include <deque>
#include <cstring>
#define MIN(x,y) (x)<(y)?(x):(y)
#define MAX(x,y) (x)>(y)?(x):(y)
using namespace std;

bool IsValid(vector<vector<char> > &board, int x, int y, int v)  {
		int size_row = board.size();
  		int size_col = board[0].size();

  		for(int i = 0; i < size_col; i ++)  {
  			if(board[x][i] == v+'0') return false;
  		}

  		for(int j = 0; j < size_row; j ++)  {
  			if(board[j][y] == v + '0') return false;
  		}

  		// x, y 
  		for(int i = 0; i < 3; i ++)  {
  			for(int j = 0; j < 3; j ++)  {
  				int newx = (x/3)*3 + i;
  				int newy = (y/3)*3 + j;

  				if(board[newx][newy] == '0' + v) 
  					return false;
  			}
  		}
}

void PrintMatrix(vector<vector<char> > &board)  {
	int size_row = board.size();
	int size_col = board[0].size();

	for(int i = 0; i < size_row; i ++)  {
		for(int j = 0; j < size_col; j ++)  {
			cout << board[i][j] << " ";
		}
		cout << endl;
	}
}

bool found;
void dfs(vector<vector<char> > &board, int ith)  {
	int size_row = board.size();
	int size_col = board[0].size();

	if(ith == size_col*size_row) {
		found = true;
		return;
	}

	if(found) return;

	int newx = ith / size_col;
	int newy = ith - (ith / size_col) * size_col;

	if(board[newx][newy] != '.')  {
		dfs(board, ith+1);
	}  else  {
		for(int v = 1; v <= 9 && !found; v ++)  {
			if(IsValid(board, newx, newy, v))  {
				board[newx][newy] = v+'0';
				dfs(board, ith+1);
				if(found) return;
				board[newx][newy] = '.';
			}
		}
	}
}



class Solution {
public:
    void solveSudoku(vector<vector<char> > &board) {
  		found = false;
  		dfs(board, 	0);
    }
};

int main() {	
	string matrix[9] = {"..9748...","7........",".2.1.9...","..7...24.",".64.1.59.",".98...3..","...8.3.2.","........6","...2759.." };
	vector<vector<char> > board;
	
	for(int i = 0; i < 9; i ++)  {
		vector<char> tmp(matrix[i].c_str(), matrix[i].c_str()+9);
		board.push_back(tmp);
	}

	//PrintMatrix(board);
	Solution so;
	so.solveSudoku(board);
	PrintMatrix(board);
	return 0;
}

  

转载于:https://www.cnblogs.com/zhouzhuo/p/3688387.html

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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