四层循环字节数组组合技巧
本文深入剖析了四层嵌套while循环遍历字节数组时仅输出14行而非预期38416种组合的根本原因——内层计数器未在外层迭代开始前重置,导致循环提前终止;并给出了两种切实可行的解决方案:一是修复嵌套逻辑,在每次进入内层循环前显式将对应变量归零;二是采用更优雅、可扩展的单循环+14进制分解法,将四维组合映射为0到38415的整数序列再逐位还原,不仅彻底规避重置错误,还大幅提升代码可读性、可维护性与并行潜力,堪称处理此类固定基数全排列问题的工程最佳实践。

本文详解为何原四层 while 循环仅输出 14 行结果,并提供两种可靠解决方案:修复嵌套重置逻辑,以及用单循环+模运算高效生成全部 14⁴ = 38416 种组合。
你遇到的问题并非逻辑错误,而是变量状态未重置导致的循环提前终止。原始代码中,moveSet[1]、moveSet[2] 和 moveSet[3] 在首次内层循环结束后持续保持为 14(即超出 < 14 条件),后续外层迭代时,内层 while 的条件立即失败,导致对应层级循环体完全跳过——因此只有 moveSet[0] == 0 时的 14 次输出(moveSet[3] 从 0 到 13),之后 moveSet[0] 增至 1,但 moveSet[1] 仍为 14,第二层 while(moveSet[1] < 14) 直接不执行,整个内三层被跳过。
✅ 正确做法:每次进入更外层循环前,显式将所有内层计数器重置为 0:
public static void iterateThroughMoves() {
byte[] moveSet = {0, 0, 0, 0};
while (moveSet[0] < 14) {
moveSet[1] = 0; // ← 关键:重置第2位
while (moveSet[1] < 14) {
moveSet[2] = 0; // ← 关键:重置第3位
while (moveSet[2] < 14) {
moveSet[3] = 0; // ← 关键:重置第4位
while (moveSet[3] < 14) {
System.out.println(Arrays.toString(moveSet));
moveSet[3]++;
}
moveSet[2]++;
}
moveSet[1]++;
}
moveSet[0]++;
}
}⚠️ 注意事项:
- byte 类型范围是 -128 ~ 127,14 完全安全,但若将来扩展上限(如 ≥ 128),需改用 int 或显式类型转换;
- 上述修复后总迭代次数为 14 × 14 × 14 × 14 = 38,416,符合预期;
- 嵌套过深(尤其 ≥ 4 层)易出错且难维护,推荐更通用的替代方案。
? 更优雅的解法:使用单层 for 循环 + 进制分解思想。将四维组合视为「14 进制」的 4 位数,从 0 到 14⁴−1 编号,再逐位取模还原:
public static void iterateThroughMovesOptimized() {
int total = 14 * 14 * 14 * 14; // 38416
for (int i = 0; i < total; i++) {
byte[] moveSet = new byte[4];
moveSet[3] = (byte) (i % 14); // 个位(最低位)
moveSet[2] = (byte) ((i / 14) % 14); // 十位
moveSet[1] = (byte) ((i / 14 / 14) % 14); // 百位
moveSet[0] = (byte) ((i / 14 / 14 / 14) % 14); // 千位(最高位)
System.out.println(Arrays.toString(moveSet));
}
}该方法优势明显:
✔️ 无嵌套,逻辑清晰,易于扩展(如改为 5 位只需增加一行);
✔️ 避免手动重置错误;
✔️ 时间复杂度相同,但常数开销更低(无重复赋值);
✔️ 天然支持并行化(如 IntStream.range(0, total).parallel().forEach(...))。
总结:嵌套循环必须严格管理各层变量的生命周期——外层推进时,内层应“归零重启”。而对固定基数的全排列问题,进制映射法是更健壮、可扩展的工程实践。
今天关于《四层循环字节数组组合技巧》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
Golang双指针**T应用场景详解
- 上一篇
- Golang双指针**T应用场景详解
- 下一篇
- 黔农云新卡激活步骤详解
-
- 文章 · java教程 | 17小时前 | Java · JVM · JVM Native Memory Tracking NMT jcmd 原生内存 JVM内存排查
- JVM 原生内存上涨但堆稳定,怎样用 NMT 分类定位
- 414浏览 收藏
-
- 文章 · java教程 | 19小时前 | Java · 性能优化 · Stream · Java教程 · Java Stream Spliterator 并行流 parallelStream Stream副作用
- Stream 并行化前先判断什么:数据规模、拆分与副作用
- 405浏览 收藏
-
- 文章 · java教程 | 21小时前 | Java教程 · sealed interface Java密封类 模式匹配switch 支付结果 穷尽检查
- 密封类建模支付结果:穷尽分支与扩展边界
- 270浏览 收藏
-
- 文章 · java教程 | 23小时前 | 数据校验 · api设计 · Java教程 · 参数校验 Java record API DTO Jakarta Validation 紧凑规范构造器 跨字段校验
- Java Record 作为 API DTO 时,校验逻辑放在哪里
- 370浏览 收藏
-
- 文章 · java教程 | 1天前 | 线程池 · 异常处理 · 并发编程 · Java教程 · CompletableFuture · 异步任务 completablefuture allOf Handle 结果汇总 CompletionException
- CompletableFuture 组合独立任务:allOf 结果汇总与失败归属
- 482浏览 收藏
-
- 文章 · java教程 | 1天前 |
- StructuredTaskScope 如何表达并发任务的共同生命周期
- 425浏览 收藏
-
- 文章 · java教程 | 1天前 | 并发编程 · Java教程 · java arena MemorySegment WrongThreadException FFM API
- Java MemorySegment 怎么限制跨线程访问范围
- 132浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Java 24 Java Class-File API CodeTransform ClassTransform CodeAttribute
- Java Class-File API 怎么转换方法代码属性
- 199浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Stream · java Stream Gatherer Integrator.Greedy
- Java Gatherer Integrator.Greedy 什么时候可以声明贪婪处理
- 112浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java FileChannel transferTo 为什么可能只传输部分字节
- 229浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 375次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 445次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 451次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 397次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 223次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

