dfs刷题矩阵搜索问题

dfs刷题矩阵搜索问题

文章目录

N皇后

题目链接

在这里插入图片描述

题解

1. 画出决策树
2. 全局变量:ret用来统计结果,path统计每次的路径,checkcol检查行有没有Q,checkdig1检查主对角线有没有Q,checkdig2检查副对角线有没有Q
3. 剪枝:使用哈希表的策略,每一行不需要检查,每次都递归每一行该放的不会出现攻击,主对角线斜率一样,利用y-x = b,每一条线上截距是相同的,如果出现相同的就表明放过了Q,y-x可能为负数所以加上了n,副对角线y + x = b,和主对角线类似
4. 回溯:将列,主对角线和副对角线变为false,path[row][col]恢复为点
5. 递归出口:行越界的时候填完矩阵

在这里插入图片描述


在这里插入图片描述

代码

classSolution{ public:// 检查列,主对角线和副对角线// 行每次都只放一个不用检查,不会出现攻击bool checkcol[10],checkdig1[20],checkdig2[20]; vector<vector<string>> ret; vector<string> path;int n; vector<vector<string>>solveNQueens(int _n){  n = _n; path.resize(n);for(int i =0;i < n;i++){  path[i].append(n,'.');}dfs(0);return ret;}voiddfs(int row){ if(n == row){  ret.push_back(path);return;}for(int col =0;col < n;col++)// 放置每一行{ if(!checkcol[col]&&!checkdig1[row + col]&&!checkdig2[col-row+n]){  path[row][col]='Q'; checkcol[col]= checkdig1[row + col]= checkdig2[col-row+n]=true;dfs(row+1);// 恢复现场 checkcol[col]= checkdig1[row + col]= checkdig2[col-row+n]=false; path[row][col]='.';}}}};

有效的数独

题目链接

在这里插入图片描述

题解

1. 算法原理:去遍历这个数独,如果遇到了数字就判断这个数字是否在这一行,这一列,这一个方格中,如果不在就标记为true,如果在就直接返回false,说明出现了第二次了
2. bool checkrow[i][nums]:用来检查这一行是否存在nums这个数
bool checkcol[j][nums]:用来检查这一列是否存在nums这个数
bool check[i/3][j/3][nums]:用来检查小方格中是否存在nums这个数
,除3是把9 * 9的矩阵分为0,1,2下标的3*3的小方格,刚好第一个小方格中0,1,2下标的数除3都是0,第二,三个小方格也是如此

在这里插入图片描述

代码

classSolution{ public:bool checkrow[9][10];// 检查行bool checkcol[9][10];// 检查列bool check[3][3][10];// 检查小方格boolisValidSudoku(vector<vector<char>>& board){ for(int row =0;row <9;row++){ for(int col =0;col <9;col++){ if(board[row][col]!='.'){ int nums = board[row][col]-'0';if(checkrow[row][nums]|| checkcol[col][nums]|| check[</

Read more

Llama.cpp 全实战指南:跨平台部署本地大模型的零门槛方案

【个人主页:玄同765】 大语言模型(LLM)开发工程师|中国传媒大学·数字媒体技术(智能交互与游戏设计) 深耕领域:大语言模型开发 / RAG知识库 / AI Agent落地 / 模型微调 技术栈:Python / LangChain/RAG(Dify+Redis+Milvus)| SQL/NumPy | FastAPI+Docker ️ 工程能力:专注模型工程化部署、知识库构建与优化,擅长全流程解决方案        「让AI交互更智能,让技术落地更高效」 欢迎技术探讨/项目合作! 关注我,解锁大模型与智能交互的无限可能! 摘要 本文全面解析轻量级大模型推理框架 Llama.cpp,详细讲解其在 Windows(Winget)、Linux、macOS 三大平台的安装步骤,针对新手优化了模型获取、文件整理、可视化部署的全流程,涵盖命令行交互、OpenAI

By Ne0inhk
AI编程工具对比:Cursor、GitHub Copilot与Claude Code

AI编程工具对比:Cursor、GitHub Copilot与Claude Code

文章目录 * AI编程工具对比:Cursor、GitHub Copilot与Claude Code * 一、产品定位与核心架构 * 1.1 Cursor:AI原生IDE的代表 * 1.2 GitHub Copilot:代码补全的行业标杆 * 1.3 Claude Code:终端Agent的革新者 * 二、核心功能深度对比 * 2.1 代码生成与理解能力 * 2.2 自动化与工作流集成 * 2.3 隐私与数据安全 * 三、成本效益分析 * 3.1 定价模式对比 * 3.2 投资回报比 * 四、适用场景与用户画像 * 4.1 最佳应用场景 * 4.2 用户反馈摘要 * 五、

By Ne0inhk

Copilot 的agent、ask、edit、plan模式有什么区别

Copilot 的 ask、edit、agent、plan 四种模式,核心区别在于权限范围、操作主动性、代码修改权限、适用场景,以下从定义、工作机制、核心特点、典型场景与操作流程展开,帮你快速区分并选对模式。 一、核心区别速览(表格版) 二、分模式详细解析 1. Ask 模式:纯问答与代码理解 * 工作机制:基于当前文件 / 选中代码的上下文,回答自然语言问题,不修改任何代码,仅输出文字解释、建议或思路。 * 典型用法: * 解释某段代码逻辑(如 “这段 Python 函数做了什么”); * 咨询技术方案(如 “如何在 Go 中实现重试机制”); * 调试思路(如 “这个死循环可能的原因”)。 * 关键特点:安全无风险,适合学习、快速澄清和非修改类咨询。

By Ne0inhk
AIGC时代:如何打造卓越的技术文档?

AIGC时代:如何打造卓越的技术文档?

文章目录 * 一、AIGC时代的技术文档规划布局:构建智能知识框架 * 宏观布局:智能绘制技术文档的蓝图 * 微观细节:智能剖析技术要点 * 二、AIGC时代的技术文档语言表达:智能描绘技术 * 专业术语:智能解释与链接 * 避免歧义:智能确保语言精确性 * 三、AIGC时代的技术文档更新与维护:智能保持时效性与实用性 * 及时更新:智能跟踪技术发展 * 版本控制:智能记录变化与演进历程 * 用户反馈:智能倾听与持续改进 在AIGC(人工智能生成内容)的浪潮中,技术的海洋变得更加广阔且深邃。每一片水域都蕴藏着无限的机遇与挑战,而一份出色的技术文档,就如同一位智慧的导航者,引领我们穿越复杂技术的迷雾,探索成功的彼岸。它不仅是知识传承的宝贵载体,更是团队协作的坚实桥梁,为产品的辉煌成就默默奠基。然而,在AIGC时代,如何制作一份既全面深入、又紧跟时代步伐,且易于理解的技术文档,成为了一项新的挑战。 一、AIGC时代的技术文档规划布局:构建智能知识框架 在AIGC时代,技术文档的规划布局需要更加智能化和系统化。一个清晰、智能的知识框

By Ne0inhk