Valid Sudoku

主要分为三步:行检测,列检测,以及小区域检测
/**
 * Created by jason on 13-12-16.
 */
public class ValidSudoku {

    public boolean isValidSudoku(char[][] board) {
        return isvalidRow(board) && isvalidColumn(board) && isvalidRegieon(board);
    }

    public boolean isvalidRow(char[][] board) {
        int[] count = new int[9];
        for (int i = 0; i < board.length; i++) {
            memset(count, 0);
            for (int j = 0; j < board[0].length; j++) {
                if (!add(board[i][j], count))
                    return false;
            }
        }
        return true;
    }

    public boolean isvalidColumn(char[][] board) {
        int[] count = new int[9];
        for (int i = 0; i < board.length; i++) {
            memset(count, 0);
            for (int j = 0; j < board[0].length; j++) {
                if (!add(board[j][i], count))
                    return false;
            }
        }
        return true;
    }

    public boolean isvalidRegieon(char[][] board) {
        int increment = (int) Math.sqrt(board.length);
        int[] count = new int[9];
        for (int k = 0; k < board.length; k++) {
            memset(count, 0);
            int ii = k / 3 * 3;
            int jj = k % 3 * 3;
            for (int i = ii; i < ii + increment; i++) {
                for (int j = jj; j < jj + increment; j++) {
                    if (!add(board[i][j], count))
                        return false;
                }
            }
        }
        return true;
    }

    public boolean add(char c, int[] count) {
        if (c == '.') return true;
        else return ++count[c - '1'] <= 1;
    }

    public void memset(int[] count, int v) {
        for (int i = 0; i < count.length; i++) {
            count[i] = v;
        }
    }


}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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