博客
关于我
【leetcode-数组】有效的数独
阅读量:552 次
发布时间:2019-03-09

本文共 1353 字,大约阅读时间需要 4 分钟。

要判断一个9x9数独是否有效,需要确保每一行、每一列以及每个3x3的小宫内的数字1-9不重复。通过以下步骤可以有效地实现这个检查:

方法思路

  • 初始化辅助数组:创建三个9x9的布尔数组,分别用于记录每一行、每一列和每个小宫内的数字是否重复。
  • 遍历整个网格:逐个检查每个格子的值。
  • 处理已填数字:对于非'.'的格子,将其转换为数字,检查是否存在重复。
  • 行、列和宫检查:确保当前数字不在同一行、列或小宫中已存在。
  • 立即返回冲突:一旦发现重复,立即返回false。
  • 返回有效性:如果遍历无误,返回true。
  • 代码示例

    public class Solution {    public boolean isValidSudoku(char[][] board) {        boolean[][] rowFlag = new boolean[9][9];        boolean[][] colFlag = new boolean[9][9];        boolean[][] cellFlag = new boolean[9][9];                int m = board.length;        int n = board[0].length;                for (int i = 0; i < m; i++) {            for (int j = 0; j < n; j++) {                char cc = board[i][j];                if (cc != '.' && cc != '0') {                    int c = cc - '0';                    if (rowFlag[i][c] || colFlag[j][c] || cellFlag[3 * (i / 3) + (j / 3)][c]) {                        return false;                    }                    rowFlag[i][c] = true;                    colFlag[j][c] = true;                    cellFlag[3 * (i / 3) + (j / 3)][c] = true;                }            }        }        return true;    }}

    详细步骤

  • 初始化辅助数组:创建三个布尔数组,行、列和小宫存储是否存在重复数字。
  • 遍历每个格子:通过双重循环遍历整个9x9网格。
  • 检查当前格子:如果格子为空,继续下一个;如果是数字,转换为整数。
  • 复制当前行、列和宫的信息:检查当前数字是否在同一行、列或小宫中已存在。
  • 记录检查结果:如果已存在,返回false,表明数独无效。
  • 标记当前数字:如果检查通过,标记当前数字,避免重复检查。
  • 最终判断:如果遍历完无错误,返回true,数独有效。
  • 这样,可以高效地判断数独是否有效,满足规则要求。

    转载地址:http://ivhiz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>