18×24二维数组中生成排除阻塞位置的随机坐标方案咨询

这个问题我之前做网格随机生成的时候踩过坑！当阻塞位置占比高到一定程度，那种“生成-检查-重试”的循环会不停撞墙，效率低到离谱。给你几个亲测好用的优化方案，按你的场景优先推荐：

你的网格总共才432个位置，哪怕一半被阻塞，可用位置也才200多，完全可以提前把所有非阻塞位置一次性列出来，之后每次随机选就行——每次获取都是O(1)时间，零重试。

举个Python实现的例子：

import random

# 假设你的阻塞位置列表是blocked_positions，比如[(3,5), (7,2), ...]
# 先把阻塞位置转成集合，后续查找更快（这个优化不管用哪种方案都建议做）
blocked_set = set(blocked_positions)

# 预生成所有可用位置
available_positions = []
for x in range(18):
    for y in range(24):
        if (x, y) not in blocked_set:
            available_positions.append((x, y))

# 每次获取随机位置的函数
def get_random_free_pos():
    return random.choice(available_positions)

如果阻塞位置是动态变化的（比如运行中会新增/解除阻塞），只要维护好available_positions列表就行——新增阻塞时移除对应位置，解除时加回去，比每次重新遍历网格高效多了。

要是你的网格特别大（比如1000×1000），预存所有可用位置太占内存，可以用这种“计数定位”的方法：

1. 先算出可用位置总数：total_available = 18*24 - len(blocked_set)
2. 生成一个0到total_available-1的随机数n，代表要找第n个可用位置
3. 遍历网格，数到第n个非阻塞位置直接返回

代码示例：

import random

blocked_set = set(blocked_positions)
total_cells = 18 * 24
total_available = total_cells - len(blocked_set)

def get_random_free_pos():
    target_idx = random.randint(0, total_available - 1)
    current_count = 0
    for x in range(18):
        for y in range(24):
            if (x, y) not in blocked_set:
                if current_count == target_idx:
                    return (x, y)
                current_count += 1

这种方法最多遍历一次网格，不会像原始方法那样无限重试，效率稳定得多。

• 一定要把阻塞位置存成集合：列表的in操作是线性遍历，集合是哈希查找，速度差好几个数量级——哪怕你坚持用原始的重试方法，转成集合也能大幅提升效率。
• 如果阻塞位置有规律（比如某几行/列全堵），可以直接在生成坐标时跳过这些行/列：比如某3行全是阻塞，那生成x的时候直接从剩下的15行里选，再生成y，减少无效检查。

内容的提问来源于stack exchange，提问作者slin