[PART2] 7-1(이진 탐색): 부품 찾기

코뉴·2021년 1월 29일

이진탐색 이코테

이코테: 문제풀이

목록 보기

21/28

💥이코테 실전문제 뽀개기💥

💻 7-1 부품 찾기

난이도🖤🖤🖤🤍🤍🤍 | 풀이시간 30분 | 제한시간 1초 | 메모리제한 128MB

📌2021/01/29 작성 코드

# 부품 찾기
# 이진 탐색으로 풀어보기
import sys
# 이진 탐색
# l: 리스트, target: 찾고 싶은 요소
def binary_search(array, target, start, end):
    while start <= end:
        mid = (start+end)//2
        if array[mid] == target:
            return 'yes'
        if array[mid] < target:
            start = mid + 1
        elif array[mid] > target:
            end = mid - 1
    return 'no'


n = int(sys.stdin.readline().rstrip())
store = list(map(int, sys.stdin.readline().rstrip().split()))
m = int(sys.stdin.readline().rstrip())
order = list(map(int, sys.stdin.readline().rstrip().split()))

# 순서대로 확인해 부품이 있으면 yes, 없으면 no를 출력
store.sort() # 정렬
for item in order:
    print(binary_search(store, item, 0, n-1))

💭 아이디어

단원이 단원인만큼 이진 탐색으로 풀어보고자 시도함
sys.stdin.readline().rstrip() 사용하여 시간 단축

🤓 문제 해설 (이진 탐색)

이 문제는 여러 방법으로 해결할 수 있다. 여기서는 가장 먼저 이진 탐색 알고리즘으로 풀이할텐데, 이처럼 다량의 데이터 검색은 이진 탐색 알고리즘을 이용해 효과적으로 처리할 수 있다.

먼저 매장 내 N개의 부품을 번호를 기준으로 정렬하자. 그 이후에 M개의 찾고자 하는 부품이 각각 매장에 존재하는지 검사하면 된다. 이때 매장의 부품들은 정렬이 되어 있기 때문에 이진 탐색을 수행하여 찾을 수 있다.

따라서 이렇게 문제를 풀면, 부품을 찾는 과정에서 최악의 경우 시간 복잡도 O(MlogN)의 연산이 필요하므로 이론상 최대 약 200만번의 연산이 이루어진다고 분석할 수 있다.
오히려 N개의 부품을 정렬하기 위해서 요구되는 시간 복잡도O(NlogN)이 이론적으로 최대 약 2,000만으로 더욱 더 많은 연산이 필요한 것을 알 수 있다 (log21,000,000 ≈ 20)
결과적으로 이진 탐색을 사용하는 문제 풀이 방법의 경우 시간 복잡도는 O((M+N)logN)이다.

🤓 답안 예시 (이진 탐색)

# 이진 탐색 소스코드 구현 (반복문)
def binary_search(array, target, start, end):
    while start <= end:
        mid = (start + end) // 2
        # 찾은 경우 중간점 인덱스 반환
        if array[mid] == target:
            return mid
        # 중간점의 값보다 찾고자 하는 값이 작은 경우 왼쪽 확인
        elif array[mid] > target:
            end = mid - 1
        # 중간점의 값보다 찾고자 하는 값이 작은 경우 오른쪽 확인
        else:
            start = mid + 1
    return None

# N(가게의 부품 개수) 입력
n = int(input())
# 가게에 있는 전체 부품 번호를 공백을 기준으로 구분하여 입력
array = list(map(int, input().split()))
array.sort() # 이진 탐색을 수행하기 위해 사전에 정렬 수행
# M(손님이 확인 요청한 부품 개수) 입력
m = int(input())
# 손님이 확인 요청한 전체 부품 번호를 공백을 기준으로 구분하여 입력
x = list(map(int, input().split()))

# 손님이 확인 요청한 부품 번호를 하나씩 확인
for i in x:
    # 해당 부품이 존재하는지 확인
    result = binary_search(array, i, 0, n - 1)
    if result != None:
        print('yes', end=' ')
    else:
        print('no', end=' ')

🤓 문제 해설 (계수 정렬)

모든 원소의 번호를 포함할 수 있는 크기의 리스트를 만든 뒤에, 리스트의 인덱스에 직접 접근하여 특정한 번호의 부품이 매장에 존재하는지 확인한다.

🤓 답안 예시 (계수 정렬)

# N(가게의 부품 개수) 입력
n = int(input())
array = [0] * 1000001

# 가게에 있는 전체 부품 번호를 입력 받아서 기록
for i in input().split():
    array[int(i)] = 1

# M(손님이 확인 요청한 부품 개수) 입력
m = int(input())
# 손님이 확인 요청한 전체 부품 번호를 공백을 기준으로 구분하여 입력
x = list(map(int, input().split()))

# 손님이 확인 요청한 부품 번호를 하나씩 확인
for i in x:
    # 해당 부품이 존재하는지 확인
    if array[i] == 1:
        print('yes', end=' ')
    else:
        print('no', end=' ')

🤓 문제 해설 (집합 자료형)

또는 이 문제는 단순히 특정한 수가 한 번이라도 등장했는지를 검사하면 되므로 집합 자료형을 이용해서 문제를 해결할 수 있다. set() 함수는 집합 자료형을 초기화 할 때 사용한다.

이러한 집합 자료형은 단순히 특정한 데이터가 존재하는지 검사할 때에 매우 효과적으로 사용할 수 있다. 다음의 소스코드가 간결성 측면에서는 가장 우수하다.

하지만 이진 탐색으로도 충분히 풀 수 있으며, 경험이 많지 않으면 이진 탐색을 이용한 해법보다 집합 자료형을 이용한 해법을 떠올리기 어려울 수 있고, 혹은 그 반대일 수도 있다. 따라서 동일한 문제를 여러 가지 방법으로 풀 수 있으며, 이 문제는 3가지 방법을 이용해 모두 효과적으로 풀 수 있다는 점을 기억하자.

🤓 답안 예시 (집합 자료형)

# N(가게의 부품 개수) 입력
n = int(input())
# 가게에 있는 전체 부품 번호를 입력 받아서 집합(Set) 자료형에 기록
array = set(map(int, input().split()))

# M(손님이 확인 요청한 부품 개수) 입력
m = int(input())
# 손님이 확인 요청한 전체 부품 번호를 공백을 기준으로 구분하여 입력
x = list(map(int, input().split()))

# 손님이 확인 요청한 부품 번호를 하나씩 확인
for i in x:
    # 해당 부품이 존재하는지 확인
    if i in array:
        print('yes', end=' ')
    else:
        print('no', end=' ')