当前位置: 首页 > news >正文

Leecode刷题C语言之可以被进一步捕获的棋子数

执行结果:通过

执行用时和内存消耗如下:

 

 

 

代码如下: 

int numRookCaptures(char** board, int boardSize, int* boardColSize) {int cnt = 0, st = 0, ed = 0;int dx[4] = {0, 1, 0, -1};int dy[4] = {1, 0, -1, 0};for (int i = 0; i < 8; ++i) {for (int j = 0; j < 8; ++j) {if (board[i][j] == 'R') {st = i;ed = j;break;}}}for (int i = 0; i < 4; ++i) {for (int step = 0; ; ++step) {int tx = st + step * dx[i];int ty = ed + step * dy[i];if (tx < 0 || tx >= 8 || ty < 0 || ty >= 8 || board[tx][ty] == 'B') {break;}if (board[tx][ty] == 'p') {cnt++;break;}}}return cnt;
}

解题思路:

这段代码的目的是计算在国际象棋棋盘上,给定一个局面,一个车(Rook)能够捕获(将军)的白方或黑方的兵(pawn,用'p'表示)的数量。代码的实现思路如下:

  1. 初始化变量
    • cnt:用于记录车能够捕获的兵的数量,初始化为0。
    • sted:用于存储找到的车的行和列位置,初始化为0。
    • dxdy:用于表示四个方向的数组,dx表示行变化(0, 1, 0, -1),dy表示列变化(1, 0, -1, 0),这四个方向分别是右、下、左、上。
  2. 找到车的位置
    • 遍历整个棋盘(8x8),寻找字符为'R'的位置,即车的位置。找到后,将车的行和列位置分别存储在sted中,并退出循环。
  3. 计算捕获的兵的数量
    • 遍历四个方向(右、下、左、上),对每个方向:
      • 使用一个步长变量step,从车的位置开始,沿当前方向逐步移动。
      • 计算新的位置(tx, ty),即tx = st + step * dx[i]ty = ed + step * dy[i]
      • 检查新位置是否越界或遇到黑方棋子('B'),如果是,则停止当前方向的搜索。
      • 如果新位置是兵('p'),则增加cnt(表示捕获了一个兵),并停止当前方向的搜索。
  4. 返回结果
    • 返回cnt,即车能够捕获的兵的总数。

注意

  • 该代码假设棋盘上只有一个车('R'),并且只计算该车能捕获的兵的数量。
  • 棋盘上的字符'B'代表黑方棋子(包括黑方的车和兵等),'p'代表兵(不考虑颜色,只关心是兵即可),'R'代表车。
  • 棋盘的大小固定为8x8,即boardSize为8,且每行的列数相同,存储在boardColSize中,但在这个函数中并未直接使用boardColSize,因为棋盘大小是固定的。

相关文章:

Leecode刷题C语言之可以被进一步捕获的棋子数

执行结果:通过 执行用时和内存消耗如下&#xff1a; 代码如下&#xff1a; int numRookCaptures(char** board, int boardSize, int* boardColSize) {int cnt 0, st 0, ed 0;int dx[4] {0, 1, 0, -1};int dy[4] {1, 0, -1, 0};for (int i 0; i < 8; i) {for (int j…...

【算法】数组中,求K个最大值

已知&#xff1a;数组 [8, 9, 15, 20, 3, 5, 7, 2, 6]&#xff0c;求第8个最大值是哪个值&#xff1f; function quickSort(arr, targetIndex, start) {if (arr.length < 1) return arr[0];let left [];let right [];const mid Math.floor(arr.length / 2);const midNum…...

Postman自定义脚本Pre-request-script以及Test

这两个都是我们进行自定义script脚本的地方&#xff0c;分别是在请求执行的前后运行。 我们举两个可能经常运用到的场景。 (一)请求A先执行&#xff0c;请求B使用请求A响应结果作为参数。如果我们不用自定义脚本&#xff0c;可能得先执行请求A&#xff0c;然后手动复制响应结果…...

Lua中实现HTTP请求的User-Agent自定义

User-Agent&#xff08;用户代理&#xff09;是HTTP请求头的一部分&#xff0c;用于描述发出请求的客户端的信息&#xff0c;包括浏览器类型、版本和操作系统等。自定义User-Agent对于开发者来说是一个重要的功能&#xff0c;它可以帮助服务器识别请求来源&#xff0c;也可以模…...

工业节能水泵如何节能?

在现代工业生产中&#xff0c;水泵作为一种重要的流体输送设备&#xff0c;广泛应用于各个领域。无论是在制造业、化工、能源&#xff0c;还是在污水处理、灌溉等行业&#xff0c;水泵在保证生产流程顺畅的同时&#xff0c;也消耗了大量的能源。 一、工业水泵系统的能耗现状 …...

第四篇:k8s 理解Service工作原理

什么是service&#xff1f; Service是将运行在一组 Pods 上的应用程序公开为网络服务的抽象方法。 简单来说K8s提供了service对象来访问pod。我们在《k8s网络模型与集群通信》中也说过k8s集群中的每一个Pod&#xff08;最小调度单位&#xff09;都有自己的IP地址&#xff0c;都…...

P3131 [USACO16JAN] Subsequences Summing to Sevens S

题目描述 Farmer Johns NN cows are standing in a row, as they have a tendency to do from time to time. Each cow is labeled with a distinct integer ID number so FJ can tell them apart. FJ would like to take a photo of a contiguous group of cows but, due to a…...

大数据技术Kafka详解 ② | Kafka基础与架构介绍

目录 1、kafka的基本介绍 2、kafka的好处 3、分布式发布与订阅系统 4、kafka的主要应用场景 4.1、指标分析 4.2、日志聚合解决方法 4.3、流式处理 5、kafka架构 6、kafka主要组件 6.1、producer(生产者) 6.2、topic(主题) 6.3、partition(分区) 6.4、consumer(消费…...

【CKA】Kubernetes(k8s)认证之CKA考题讲解

CKA考题讲解 0.考试101 0.1 kubectl命令⾃动补全 在 bash 中设置当前 shell 的⾃动补全&#xff0c;要先安装 bash-completion 包。 echo "source <(kubectl completion bash)" >> ~/.bashrc还可以在补全时为 kubectl 使⽤⼀个速记别名&#xff1a; al…...

android WebRtc 无法推流以及拉流有视频无声音问题

最近在开发使用WebRtc进行视频通话和语音通话&#xff0c;我使用的设备是MTK的手机&#xff0c;期间后台的技术人员几乎没法提供任何帮助&#xff0c;只有接口和测试的web端&#xff0c;有遇到不能推流。推流成功网页端有画面有声音&#xff0c;但是安卓端有画面&#xff0c;没…...

【5G】Spectrum 频谱

频谱是移动运营商的关键资产&#xff0c;可用的频谱是定义移动网络容量和覆盖范围的重要因素。本章讨论了5G的不同频谱选项、它们的特性以及5G早期部署阶段的预期频谱。5G是首个旨在利用大约400 MHz到90 GHz之间所有频段的移动无线系统。5G还设计用于在许可、共享和非许可频谱带…...

Flink学习连载文章11--双流Join

双流 Join 和两个流合并是不一样的 两个流合并&#xff1a;两个流变为 1 个流 union connect 双流 join: 两个流 join&#xff0c;其实这两个流还是原来的&#xff0c;只是满足条件的数据会变为一个新的流。 可以结合 sql 语句中的 union 和 join 的区别。 在离线 Hive 中&…...

R语言 | 峰峦图 / 山脊图

目的&#xff1a;为展示不同数据分布的差异。 1. ggplot2 实现 # 准备数据 datmtcars[, c("mpg", "cyl")] colnames(dat)c("value", "type") head(dat) # value type #Mazda RX4 21.0 6 #Mazda RX4 Wag …...

16-03、JVM系列之:内存与垃圾回收篇(三)

JVM系列之&#xff1a;内存与垃圾回收篇(三) ##本篇内容概述&#xff1a; 1、执行引擎 2、StringTable 3、垃圾回收一、执行引擎 ##一、执行引擎概述 如果想让一个java程序运行起来&#xff0c;执行引擎的任务就是将字节码指令解释/编译为对应平台上的本地机器指令才可以。 简…...

解决Windows与Ubuntu云服务器无法通过Socket(udp)通信问题

今天在写Socket通信代码的时候&#xff0c;使用云服务器自己与自己通信没有问题&#xff0c;但是当我们把客户端换为Windows系统的时候却无法发送信息到Linux当中&#xff0c;耗时一上午终于搞定了&#x1f612;。 问题&#xff1a; 如上图&#xff0c;当我在windows的客户端…...

Mysql 中的锁机制

在 MySQL 中&#xff0c;锁是一种机制&#xff0c;用于管理并发访问以确保数据的一致性和完整性。MySQL 支持多种类型的锁&#xff0c;主要分为以下几类&#xff1a; 全局锁&#xff1a;锁定整个数据库&#xff0c;适用于备份等操作&#xff0c;期间禁止所有其他操作。表级锁&…...

12月第1周AI资讯

阅读时间:3-4min 更新时间:2024.12.2-2024.12.6 目录 OpenAI CEO Sam Altman 预告“12天OpenAI”系列活动 腾讯HunyuanVideo:130亿参数的开源视频生成模型 李飞飞的World Labs发布空间智能技术预览版 中科院联手腾讯打造“AI带货王”AnchorCrafter OpenAI CEO Sam Alt…...

【音频识别】数据集合集!

本文将为您介绍经典、热门的数据集&#xff0c;希望对您在选择适合的数据集时有所帮助。 1 Chenyme-AAVT 更新时间&#xff1a;2024-08-23 访问地址: GitHub 描述&#xff1a; 这是一个全自动&#xff08;音频&#xff09;视频翻译项目。利用Whisper识别声音&#xff0c;AI…...

Nginx核心配置详解

一、配置文件说明 nginx官方帮助文档&#xff1a;nginx documentation nginx的配置文件的组成部分&#xff1a; 主配置文件&#xff1a;nginx.conf子配置文件: include conf.d/*.conffastcgi&#xff0c; uwsgi&#xff0c;scgi 等协议相关的配置文件mime.types&#xff1a;…...

智能工厂的设计软件 用“力force”的性质构造智能体原型

本文要点 在“智能工厂的设计软件”中 我将对力的研究分为三个领域&#xff1a;经典力学&#xff0c;相对论力学和量子力学&#xff0c;每个研究领域都涉及到force自身性质所具有两个侧面&#xff1a; 明示高度内聚的不可观测的内部表征-“互相性”&#xff08;哲学性质/哲学…...

卡尔曼滤波:从噪声数据中提取最优估计的核心算法

1. 项目概述&#xff1a;从“猜”到“算”的智慧如果你曾经尝试过用手机导航&#xff0c;或者玩过需要控制无人机、机器人的游戏&#xff0c;甚至只是好奇自动驾驶汽车是如何“看清”这个世界的&#xff0c;那么你很可能已经间接接触过卡尔曼滤波。这个名字听起来有点高深&…...

从零开始在Taotoken模型广场选择并测试最适合的模型

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 从零开始在Taotoken模型广场选择并测试最适合的模型 当你开始使用大模型时&#xff0c;面对众多厂商和不同能力的模型&#xff0c;…...

数字孪生是什么?它在数字化转型中的关键角色是什么?

数字孪生的定义与应用现状 数字孪生技术利用实时映射物理实体到虚拟空间&#xff0c;为各类行业提供了无缝的连接与监控。例如&#xff0c;在制造行业&#xff0c;数字孪生可以模拟生产线&#xff0c;帮助企业快速识别瓶颈&#xff0c;提高效率。在城市管理方面&#xff0c;城市…...

手把手教你用Spark MLlib搞定协同过滤:从ItemCF到UserCF的保姆级代码解析

Spark MLlib实战&#xff1a;从协同过滤到深度学习推荐系统的全链路实现 推荐系统作为机器学习领域最具商业价值的应用之一&#xff0c;其核心算法在Spark生态中有着丰富的实现。本文将带您深入Spark MLlib的推荐算法实践&#xff0c;从经典的协同过滤到前沿的深度学习模型&…...

抗IL-3R-α阻断抗体处理的肿瘤来源内皮细胞外泌体(EVs)的抗血管生成效应:对Wnt/β-catenin通路的洞察

引言血管生成&#xff0c;即从已有血管中形成新血管的过程&#xff0c;是肿瘤生长和转移的关键过程。肿瘤微环境中的促血管生成因子在促进这一过程中起着关键作用。在这些因子中&#xff0c;具有促血管生成特性的细胞因子白细胞介素-3&#xff08;IL-3&#xff09;由乳腺癌和卵…...

告别黑盒调试:手把手教你用ControlDesk的Bus Navigator虚拟通道抓取CAN信号

告别黑盒调试&#xff1a;手把手教你用ControlDesk的Bus Navigator虚拟通道抓取CAN信号 在汽车电子开发中&#xff0c;硬件在环&#xff08;HIL&#xff09;测试往往面临一个典型困境&#xff1a;当物理ECU或CAN卡尚未就绪时&#xff0c;如何提前开展总线信号验证&#xff1f;传…...

对比直接使用官方API通过聚合平台管理网站AI调用的体验

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 对比直接使用官方API与通过聚合平台管理网站AI调用的体验 作为一名网站开发者&#xff0c;在项目中集成大模型能力已成为常态。早期…...

Prism `IContainerRegistry` 详细调查与讲解

Prism IContainerRegistry 详细调查与讲解 1. 什么是 IContainerRegistry&#xff1f; IContainerRegistry 是 Prism Library 提供的依赖注入容器抽象注册接口。它位于 Prism.Ioc 命名空间。 作用&#xff1a;在 PrismApplication 的 protected override void RegisterTypes(IC…...

Fluentd命令行化实践:fluent_cli打造轻量级实时日志处理管道

1. 项目概述&#xff1a;一个高效的命令行日志处理工具最近在折腾一个分布式系统的日志收集链路&#xff0c;发现很多现成的日志处理工具要么太重&#xff0c;要么配置起来太繁琐。尤其是在需要快速查询、过滤和转换不同来源的日志流时&#xff0c;往往需要写一堆脚本&#xff…...

两阶段目标检测器核心原理与流程详解

两阶段目标检测器的核心思想是&#xff1a;第一阶段先找候选区域&#xff0c;第二阶段再对候选区域做分类和精修。典型代表是&#xff1a; R-CNN Fast R-CNN Faster R-CNN Mask R-CNN现在最典型的是 Faster R-CNN / Mask R-CNN&#xff0c;所以我以它为主来讲。1. 两阶段目标检…...