알고리즘과 복잡도(Complexity)

DD·2021년 1월 11일
0

프로그래밍 이론

목록 보기
4/12

알고리즘

문제를 해결하기 위한 여러 동작들의 모임

알고리즘의 3대 조건

  • 0개 이상의 input

  • 0개 이상의 output

  • 유한 시간 안에 끝나야 한다. (유한성)


시간 복잡도 (Time Complexity)

문제를 해결하기 위한 알고리즘이 걸리는 시간과 입력한 함수 관계로, 연산 횟수(시행 횟수) 를 기준으로 한다.

중요한건 실제 걸리는 '시간', 예를 들면 5초, 10초가 걸린다의 시간이 아니라는 것이다.

이 문제를 해결하는데 10초가 걸린다 x
이 문제를 해결하는데 100번의 계산이 필요하다. o

공간 복잡도

문제를 해결하기 위한 알고리즘에 필요한 메모리 공간의 양

총 필요 저장 공간

  • 고정 공간 (알고리즘과 무관) : 코드 저장 공간, 단순 변수 및 상수
  • 가변 공간 (알고리즘 실행과 연관) : 실행 중 동적으로 필요한 공간
  • S(P) = c + Sp(n)
    - c : 고정공간
    • Sp(n)Sp(n): 가변 공간

빅오 표기법을 생각해 볼 때, 고정 공간은 상수이므로 공간 복잡도는 가변 공간에 좌우된다.

Big-O notation

점근 표기법

어떤 임의의 N(커다란 수, k이상)에 대해서, 최소 이 정도 속도는 보장된다는 성능 상한선.

알고리즘 효율성은 값이 클 수록, 즉 그래프가 위로 향할 수록 비효율적임을 의미한다.

빅-오 : 상한선. c2g(n)
빅-세타 : 상한선, 하한선 사이
빅-오메가 : 하한선. 위 그래프의 c1g(n)

다만 최악, 최선의 경우를 나타내는 것이지 알고리즘의 성능이 그렇다는 것은 아니다.

특징

  1. 상수항 무시 : 입력된 데이터값이 충분히 크다고 가정하기에, 상수한 같은 사소한 부분은 무시한다
    ex) O(2N)이 아니라 O(N)로 표기한다

  2. 영향력 없는 항 무시 : 위 이유와 마찬가지.
    ex ) O(N^2 + 2N + 1)이 아니라 O(N^2)만 표기한다.

예시

  • O(1) : 입력 자료의 수(n)과 관계없이 일정한 실행 시간을 갖는다. 스택에서 push, pop

  • O(log n) : 초반엔 빠르지만 후반부로 갈 수록 실행 시간이 늘어난다. 이진트리

  • O(n) : 입력 자료의 크기만큼의 실행 시간을 갖는다. for 문

  • O(n log n) : 선형 로그형. 데이터가 2배로 늘 때, 연산 횟수가 2배 조금 넘게 증가한다. 퀵 정렬, 병합 정렬, 힙 정렬

  • O(n^2) : 조합 가능한 모든 쌍을 대상으로 한다. 이중 for 문, 삽입 정렬, 거품 정렬, 선택 정렬

  • O(2^n) : 지수형 빅오. 연산 횟수가 굉장히 증가한다. 피보나치 수열

  • O(c^n) : 최악의 시간 복잡도. 재귀

  • O(n!) : 계승

복잡도(Complexity)

빅오 표기법 (big-O notation) 이란

빅오 표기법과 시간 복잡도 계산, 그리고 알고리즘 개선하기

[알고리즘] 공간 복잡도

profile
기억보단 기록을 / TIL 전용 => https://velog.io/@jjuny546

0개의 댓글