博客
关于我
螺旋矩阵-ii(数组)
阅读量:366 次
发布时间:2019-03-04

本文共 1877 字,大约阅读时间需要 6 分钟。

题目描述

给定一个整数n,将数字1到n²按螺旋的顺序填入n×n的矩阵中。例如,n=3时,填充顺序为1,2,3,4,5,6,7,8,9,填入矩阵后呈现如下:
[ [1, 2, 3],
[8, 9, 4],
[7, 6, 5] ]

解决方案代码

#include 
using namespace std; vector
> generateMatrix(int n) { vector
> matrix(n, vector
(n)); int left = 0, right = n - 1, up = 0, down = n - 1; int index = 1; while (left <= right && up <= down) { // 填充左边 for (int i = left; i <= right; ++i) { matrix[up][i] = index++; } // 填充右边 for (int i = up + 1; i <= down; ++i) { matrix[i][right] = index++; } // 填充下边(逆向) for (int i = right - 1; i >= left; --i) { matrix[down][i] = index++; } // 填充左边(逆向) for (int i = down - 1; i >= up + 1; --i) { matrix[i][left] = index++; } // 展开到下一层 left++; right--; up++; down--; } return matrix; }

错误分析

在开发螺旋矩阵填充算法时,常见的错误之一是数组维度的错误设置。例如,我曾错误地创建了一个(n+1)×(n+1)的二维数组,这导致填充顺序完全混乱,结果与预期不符。

解决方案

通过仔细分析螺旋填充的逻辑,可以发现每一层都需要从四个方向依次填充:左→右→下→左。每填充完一层,边界就需要向内移动一层,直到无法再向内移动为止。

常见错误

  • 数组维度错误:确保矩阵的大小为n×n,而非(n+1)×(n+1)。
  • 填充顺序错误:必须严格按照螺旋顺序依次填充四个边。
  • 移动边界时逻辑错误:边界的移动必须与填充顺序保持一致,否则会导致重复填充或遗漏某些数字。
  • 最终实现

    通过上述分析,我修正了代码中的错误,确保了螺旋矩阵的正确生成。以下是修正后的代码:

    #include 
    using namespace std; vector
    > generateMatrix(int n) { vector
    > matrix(n, vector
    (n, 0)); int left = 0, right = n - 1, up = 0, down = n - 1; int index = 1; while (left <= right && up <= down) { // 填充左边 for (int i = left; i <= right; ++i) { matrix[up][i] = index++; } // 填充右边 for (int i = up + 1; i <= down; ++i) { matrix[i][right] = index++; } // 填充下边(逆向) for (int i = right - 1; i >= left; --i) { matrix[down][i] = index++; } // 填充左边(逆向) for (int i = down - 1; i >= up + 1; --i) { matrix[i][left] = index++; } // 展开到下一层 left++; right--; up++; down--; } return matrix; }

    这个代码通过严格的边界控制和填充顺序,确保了螺旋矩阵的正确生成。通过不断测试和调试,排除了数组维度和边界移动逻辑上的错误,最终实现了正确的螺旋矩阵填充。

    转载地址:http://eydg.baihongyu.com/

    你可能感兴趣的文章
    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 | 如何在 Docker 容器中使用 GPU
    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>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>