쳉지로그

병합 정렬(Merge Sort) 재귀 용법을 활요한 정렬 알고리즘 리스트를 반으로 나눠 비슷한 크기의 두 부분 리스트로 분할 각 부분 리스트를 재귀적으로 합병 정렬을 이용해 정렬 두 부분 리스트를 다시 하나의 정렬된 리스트로 합병 """ 병합 정렬 구현 코드 """ def merge(left, right): merged_list = list() l_point, r_point = 0, 0 # Case 1. left, right 둘 다 있는 경우 while len(left) > l_point and len(right) > r_point: if left[l_point] > right[r_point]: merged_list.append(right[r_point]) r_point += 1 else: merged_..

동적 계획법(DP, Dynamic Programming) 입력 크기가 작은 부분 문제들을 해결한 후, 해당 부분 문제의 해를 활용하여 보다 큰 크기의 부분 문제를 해결. 최종적으로 전체 문제를 해결하는 알고리즘 상향식 접근으로, 가장 최하위 해답을 구한 후 이를 이용해서 상위 문제를 풀어가는 방식 문제를 잘게 분할할 때, 부분 문제는 서로 중복되어 재활용됨 Memoization 기법 사용 (참고) 분할 정복이란? 문제를 나눌 수 없을 때까지 각각 나누어서 풀고, 다시 합병하여 문제의 답을 얻는 알고리즘 하향식 접근 방법 (일반적으로 재귀 함수로 구현) 문제를 잘게 분할할 때, 부분 문제는 서로 중복되지 않음(ex. 병합 정렬, 퀵 정렬) 예시) 피보나치 수열 # recursive call 사용 def f..

11726번: 2×n 타일링 2×n 크기의 직사각형을 1×2, 2×1 타일로 채우는 방법의 수를 구하는 프로그램을 작성하시오. 아래 그림은 2×5 크기의 직사각형을 채운 한 가지 방법의 예이다. www.acmicpc.net Solution 가장 적은 경우의 수부터 직접 해본 후, 점화식을 세우는 것이 핵심! # 0. 사용자 입력 n = int(input()) # 1. 빈 리스트 생성 dp = [0] * 1001 # 2. 초기값 세팅 dp[1] = 1 dp[2] = 2 # 3. 점화식 for i in range(3, 1001): dp[i] = dp[i-1] + dp[i-2] # 4. 출력 (방법의 수를 10,007로 나눈 나머지) print(dp[n] % 10007)

재귀 용법(Recursive Call, 재귀 호출) 함수 안에서 동일한 함수를 호출하는 형태 파이썬에서는 재귀 함수 깊이가 1000 이하가 되어야 한다, 종료 조건이 항상 있어야 한다, ⚠️ 재귀 용법 사용 시 주의할 점! 파이썬에서는 재귀 함수 깊이가 1000 이하가 되어야 한다, 종료 조건이 항상 있어야 한다, 재귀 함수는 내부적으로 스택처럼 관리된다. 재귀 용법의 일반적인 형태 """ 일반적인 형태 1 """ def function_1(입력): if 입력 > 일정값: # 입력값이 일정 값 이상이면 return function(입력 - 1) # 입력값보다 작은 값 else: return 일정값, 입력값, 또는 특정값 # 재귀 호출 종료 """ 일반적인 형태 2 """ def function_2(입력)..

선택 정렬: 다음과 같은 순서를 반복하며 정렬하는 알고리즘 주어진 데이터들 중, 최솟값을 찾음 해당 최솟값을 데이터 맨 앞에 위치한 값과 교체 맨 앞의 위치를 뺀 나머지 데이터를 동일한 방법으로 반복 """ 선택 정렬 구현 코드 """ def selection_sort(data): for stand in range(len(data) - 1): lowest = stand for i in range(stand+1, len(data)): if data[lowest] > data[i]: lowest = i data[lowest], data[stand] = data[stand], data[lowest] return data - 반복문이 두 개 이므로 시간 복잡도 : O(n^2)

삽입 정렬: 자료 배열의 모든 요소를 앞에서부터 차례대로 이미 정렬된 배열 부분과 비교하여, 자신의 위치를 찾아 삽입함으로써 정렬을 완성하는 알고리즘 두 번째 인덱스부터 시작함 """ 삽입 정렬 구현 코드 """ def insertion_sort(data): for i in range(len(data) - 1): for j in range(i+1, 0, -1): if data[j] < data[j-1]: data[j], data[j-1] = data[j-1], data[j] else: break return data - 반복문이 두 개 이므로 시간 복잡도 : O(n^2)

버블 정렬: 인접한 두 데이터를 비교하여, 앞에 있는 데이터가 뒤에 있는 데이터보다 크면 자리를 바꾸는 정렬 알고리즘 """ 버블 정렬 구현 코드 """ # swap: 교환이 되었는지 확인하는 변수 def bubble_sort(data): for i in range(len(data)-1): swap = 0 for j in range(len(data) - index - 1): if data[j] > data[j+1]: data[j], data[j+1] = data[j+1], data[j] swap = 1 if swap == 0: break return data - 반복문이 두 개 이므로 시간 복잡도 : O(n^2)

공간 복잡도 : 프로그램을 실행 및 완료하는데 필요한 저장 공간의 양 (참고) 알고리즘 계산 복잡도 척도 시간 복잡도 : 속도 (얼마나 빨리 실행되는가) 공간 복잡도 : 저장 공간 (얼마나 많은 저장 공간이 필요한가) 둘 다 만족하면 좋지만, 시간과 공간은 반비례적인 경향이 있음 대용량 시스템의 보편화로 인해, 시간 복잡도의 우선순위 >> 공간 복잡도의 우선순위 예시) 공간 복잡도 예제 1 """ n! 팩토리얼 구하기 """ # n의 값에 상관없이 변수 n, fac, index만 필요 # 공간 복잡도 = O(1) def factorial(n): fac = 1 for index in range(2, n+1): fac = fac * index return fac fac(3) # 결과: 6 예시) 공간 복잡도..