hohshho / Algorithm

Back up java algorithm study code

Directory

├── JAVA
│   └── src
│       ├── baekjoon      : 백준 단계별 문제 풀이
│       ├── solvedClass   : solved.ac class별 문제 풀이
│       └── AlgorithmType : 알고리즘 유형별 풀이
└── Python
    └── src
        └── AlgorithmType : 알고리즘 유형별 풀이

Algorithm

효율적인 알고리즘 - 시간이 짧고, 자원을 적게 사용

1. 시간 복잡도 (1초에 약 3억 ~ 5억)

연산을 숫자로 표기

시간 복잡도를 더 중요하게 생각하기 때문에, 별다른 말이 없으면 시간복잡도를 뜻함

Big - O는 알고리즘의 성능을 수학적으로 표기해주는 표기법

(실제 러닝타임을 표시하는 것 보다 데이터나 사용자의 증가율에 따른 알고리즘의 성능을 예측하는 게 목표이다.)
-> 상수와 같은 숫자들은 모두 1이 된다.

O(1) / 배열의 요소 참조

입력 데이터 타입의 크기에 상관 없이 언제나 일정한 시간이 걸리는 알고리즘을 말한다.

• 데이터가 증가함에 따라 성능 변화가 없다.

O(N) / 순차탐색

입력 데이터의 크기에 비례해서 처리 시간이 걸리는 알고리즘을 표현할 때 사용

• N의 크기만큼 처리 시간이 늘게된다.

O(Nⁿ) /bubble sort

n을 돌리면서, n으로 또 돌릴 때 사용한다.

O(NM)

m을 n만큼 돌린다.

O(2ⁿ)

ex) 피보나치 수열

• 재귀적으로 구현 가능
• 함수를 호출할 때마다, 바로 전의 숫자와 전전숫자를 알아야 하기 때문에 매 번 함수를 호출할 때마다, 2번씩 호출한다. -> 2진트리의 형태 -> 트리의 높이만큼 반복한다.

O(logN) / 2진 검색

처리를 할 때마다, 처리 해야 할 데이터 양이 반씩 줄어드는 경우

O(sqrt(N)) / 소수 탐색

Tip!!

문제를 풀 수 있는 시간이 1초인 경우

• N의 범위 500인 경우 : O(n³)
• N의 범위 2,000인 경우 : O(n²)
• N의 범위 100,000인 경우 : O(NlogN)
• N의 범위 10,000,000인 경우 : O(N)

2. 공간 복잡도 (512MB = 약 1.2개 Int)

• 프로그램을 실행시킨 후 완료하는데 필요한 자원의 공간

입력이 n일 때 연산 횟수 -> 알고리즘 속도

• 연산이 커지면 계수는 의미없어지고, 차수가 중요하다! (큰 상수가 나올 수 있는 경우 조심)

Tip!!

int a[1000] : 4KB
int a[1000000] : 4MB
int a[2000][2000] : 16MB

• 데이터의 개수가 1000만 단위 넘어가지 않도록
• python 100만 이상 리스트 선언하는 경우 적음

수행 시간 측정 소스코드

Python

import time
start_time = time.time() # 측정 시작

# 소스

end_time = time.time() # 측정 종료
print("time : ", end_time - start_time) # 출력

JAVA

자료구조

선형 자료구조

• ex) 배열, 연결리스트

비선형 자료구조

• ex) 트리, 그래프, 해시

배열

• 값 확인 변경 : O(1)
• 임의의 위치 값 추가/삭제 : O(n) / 마지막 위치 : O(1)

	배열	연결리스트
k번째 원소의 접근	O(1)	O(k)
임의 위치 원소 추가 / 제거	O(N)	O(1)
메모리 상의 배치	연속	불연속
추가로 필요한 공간	-	O(N)

1. 해시

JAVA : HashMap<Integer,String> map = new HashMap<>(10)

특징

• '키'와 '값'을 저장하는 자료 구조
• 해시 함수를 통해 '키'와 '값'이 저장되는 위치를 결정하므로, 사용자는 그 위치를 알 수 없고, 삽입되는 순서와 들어 있는 위치 또한 관계가 없다.
• 검색 과 저장의 평균적인 시간 복잡도가 O(1)에 수렴하게 된다.
• 값이 추가로 들어오면 List처럼 저장공간을 한 칸씩 늘리지 않고 약 두배로 늘린다.
  -> 이 과정이 과부하가 많이 걸리기 때문에 초기에 저장해주는 것이 좋다.

주요 메소드

• put() : HashMap에 키와 값을 저장
• get() : 지정된 키값을 반환한다.
• remove() : HashMap에서 지정된 키로 지정된 값을 제거한다
• clear() : HashMap의 모든 객체를 제거한다.
• containsKey() : HashMap에 지정된 키가 포함되어 있는지 알림
• isEmpty() : HashMap이 비어있는지 확인
• size() : HashMap에저장된 요소의 개수를 반환한다.
• keySet() : HashMap에 저장된 모든 키가 있는 Set을 반환한다.
• 참고 https://vaert.tistory.com/107

2. 스택/큐

Stack

JAVA : Stack stack = new Stack<>();

특징

• 원소 추가 O(1)
• 원소 제거 O(1)
• 원소 확인(TOP) O(1)
• FILO
• Top

주요 메소드

• pop() : 가장 나중에 넣은 데이터 삭제
• push() : 데이터 추가
• peek() : 가장 나중에 넣은 데이터 확인
• isEmpty() : 비어있는지 확인
• size() : 스택에 있는 요소 크기 반환

Queue

JAVA : Queue queue = new LinkedList<>();

특징

• 원소 추가/제거 : O(1)
• 제일 앞/뒤 원소 확인 : O(1)
• FIFO
• head, tail

주요 메소드

• add() : 맨 뒤에 값 삽입 (반환)
• poll() : 맨 앞 값 제거 (반환)
• offer() : 맨 뒤에 값 삽입
• remove() : 맨 앞 값 제거
• peek() : 맨 앞 요소 반환 // 오리픽

Deque

JAVA : Deque deque = new LinkedList<>();

특징

• 원소 추가/제거 : O(1)
• 제일 앞/뒤 원소 확인 : O(1)

3. 트리

Tree

• 이진트리 : 각 노드가 자식을 최대 2명을 가지는 트리
  -> 전위순회, 중위순회, 후위순회
• 이진검색트리 : 왼쪽 서브트리에는 해당노드보다 작은 값 / 오른쪽 서브 트리에는 해당 노드보다 큰 값
  -> 중위순회 방식을 쓴다.(정렬 순서대로 읽을 수 있음.)
• Trie(트라이) 트리 : 문자열을 저장하고 효율적으로 탐색하기 위한 트리 형태의 자료구조

Heap

• 최대값이나 최소값을 빠르게 찾기위해 고안된 완전이진트리를 기반으로한 자료구조

MinHeap : 가장 작은값이 root노드
MaxHeap : 가장 큰 값이 root노드

• 노드 추가 시, 가장 마지막에 추가하고 위의 노드와 비교하는 방식으로 정렬
• 노드 삭제 시, root노드의 값을 빼고 정렬하는 방식

Tip!!

JAVA PriorityQueue 는 기본적으로 minHeap이다.

// 최소 힙
PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>();

// 최대 힙
PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(Comparator.reverseOrder());

// 최대 힙 version2
PriorityQueue<Integer> maxHeap = PriorityQueue<>(new Comparator<Integer>(){
	@Override
	public int compare(Integer i1, Integer i2) {
		return i2-i1;
	}
});

Graph

분류

• 정점(vertex) / 간선(edge)
• 방향 유무에 따라 Directed / Undirected graph로 나뉜다.
• 써클 유무에 따라 Cyclic / Acyclic graph로 나뉜다.

표현방법

• 1차원 리스트
  • 장점
    • 간선 개수에 비례하는 메모리 사용
    • 특정 노드에서 모든 노드 연결 확인 O(E)
  • 단점
    • 특정 노드에서 노드 연결 확인 O(V)
• 2차원 배열
  • 장점
    • 구현 쉬움
    • 특정 노드에서 노드 연결 확인 O(1)
  • 단점
    • 특정 노드에서 모든 노드 연결 확인 O(V)
    • 메모리 사용 큼

검색방법

• Depth First Search(DFS) : 깊이우선검색 -> Stack 이용
• Breadth First Search(BFS) : 너비우선검색 -> Queue 이용

알고리즘

1. 정렬

Arrays/Collections class 사용한 정렬

• Arrays.sort(arr) / Collections.sort(arr) : 배열 오름차순 정렬
• Arrays.sort(arr, Collections.reverseOrder()); : 배열 내림차순 정렬

Collections vs ArraySort 시간 복잡도 비교

• ArraysSort : dual-pivot QuickSort 알고리즘 사용

1) 삽입(Insert) 정렬

2) 선택(Selection) 정렬

3) 버블(Bubble) 정렬

4) 셸(Shell) 정렬

5) 퀵(Quick) 정렬

6) 병합(Merge) 정렬

• 분할 정복 알고리즘의 대표적인 예

7) 힙(Heap) 정렬

8) 카운팅(Counting) 정렬

• O(n + k) : n은 리스트의 개수, k는 정수의 최대값
• 정수로 표현할 수 있는 자료에 대해서만 적용 가능
• 카운트를 위한 공간을 할당하기 위해선 집합 내 가장 큰 정수를 알아야 한다.

9) 기수(Radix) 정렬

etc) Stable

etc) In-Place

etc) Comparsion

2. 완전탐색

• 완전탐색 알고리즘 -> 모든 경우의 수 탐색
• 걸리는 시간은 가능한 답의 수와 비례

문제해결 방법

1. 주어진 문제를 선형 구조로 구조화
2. 구조화된 문제공간을 적잘한 방법으로 해를 구성할 때까지 탐색한다.
3. 구성된 해를 정리한다.

3. 깊이/너비 우선 탐색(DFS/BFS)

3D(쓰리디) -> (스택 - FILO - DFS)

• 거리측정은 BFS만 가능!
• BFS, DFS 시간 복잡도
  • 인접 리스트 구현 -> O(N+E)
  • 인접 행렬 구현 -> O(N^2)

DFS (Stack, 재귀)

• 한 노드에서 갈 수 있는 노드 중 하나 선택
• 선택한 노드에서 갈 수 있는 노드 중 하나 선택 (방문한 노드는 제외)
• 갈 수 있는 노드가 존재하지 않으면 이전 노드로 돌아와서 갈 수 있는 노드 중 하나를 선택한다

사용 예시

• 미로 생성, Cycle Detection, 위상 정렬

BFS (Queue)

• 한 노드에서 갈 수 있는 노드를 큐에 추가한다.
• 큐에서 노드를 하나 꺼내어 꺼낸 노드에서 갈 수 있는 노드를 큐에 추가한다.
• 큐에 노드가 존재하지 않으면 break 한다.

사용 예시

• 최단 경로, 임의 경로 탐색, 최소 신장 트리

4. 탐욕법

• 상황마다 최적의 값 결정 -> 빠름

• 수행 과정 (선가검)

  1. 해 선택 : 최적 해 -> 부분 해 집합에 추가
  2. 실행 가능성 검사 : 문제의 제약조건에 위반되지 않는지 검사
  3. 해 검사 : 문제의 해가 되는지 검사 / 전체 문제의 해가 완성되지 않았으면 해 선택부터 다시 시작

5. 동적계획법

• 전체 문제를 여러 개의 하위 문제로 나누어 풀고, 하위 문제들의 해결방법들을 결합하여 최종 문제를 해결하는 방식
• (작은 문제가 바뀌지 않음)
• 정답을 한번 구했으면 그 정답을 캐시에 저장 -> 메모이제이션(배열에 저장) 이라고 한다. (조건에 맞는 최적의 값 저장)

규칙성 발견 -> 수식 만드는 과정 중요!(점화식)

1) Top-Down

• 재귀 호출을 이용해 구현한다.
• 특정 조건(보통 바닥)까지 재귀호출 하고 특정 값(바닥 값)을 return한다.

2) Bottom-Up

• 반복문으로 구현한다.
• 바닥부터 시작해 n의 값을 알아낸다.

6. 분할 정복

• 작은 문제로 나누어 푸는 방법

7. 백트래킹

• 주어진 문제의 답을 구하기 위해 현재 상태에서 가능한 모든 후보군을 따라 가며 탐색하는 알고리즘 (보통 visited 배열로 상태 체크)
• 재귀호출을 하기전의 상태를 재귀호출이 끝난 뒤 되돌리는 것이 핵심!

8. 이분탐색

• Olog(N)

Tip!!

재귀함수

• 재귀 함수는 재귀 깊이가 예측 가능한 경우 위주로 사용
• 순환 조건 / 종료조건
• (반드시 특정 입력에 대해서 자기 자신을 호출하지 않고 종료 - Base Codition) 필요!

재귀 함수 조건

• 1. 자기참조를 하지 않는다.
• 2. 원하는 결과를 낸다.
• 3. 재귀호출의 방향이 기저사례로 가야 한다.

시간 복잡도

• 1. 재귀 호출의 최대 깊이 (x)
• 2. 재귀호출을 제외한 시간 복잡도 (y)
• 3. 하나의 호출에서 재귀함수의 호출 횟수 (z)
• => O(y*z^x)

9. 검색

1) 순차검색

• 순서대로 검색
• 평균 비교 횟수 : (N+1)/2
  • 정렬이 되어있을 경우 평균 비교 횟수가 반으로 줄어든다.
• 시간 복잡도 O(n)

2) 이진검색

• 가운데 키 값과 비교하여 다음 검색 위치 결정 후, 검색

• 자료가 정렬된 상태여야 한다.

• 시간 복잡도 O(logN)

• 시작점과 종료점을 이용하여 검색 반복

• 자료의 삽입이나 삭제가 발생하면 정렬상태로 유지하는 작업 필요

3) 인덱싱

10. 최단거리

// TODO : 블로그 글 추가 예정

1) 다익스트라 알고리즘

2) 플로이드 워셜 알고리즘

3) 벨만 포드 알고리즘

JAVA Tip!

• 실수형 사용할 땐 double 쓰는게 좋다!

• 문자열 추가 : String class사용 StringBuilder class 사용

• int형 자리수 구하기 : Math.log(숫자)+1;

• 거듭제곱 구하기 : Math.paw(a, b);

• Int to String : Integer.toString();

• String to Int : Integer.parseInt();