[알고리즘] DFS/BFS - 음료수 얼려 먹기/미로 탈출

ungnam·2025년 3월 13일

📌 음료수 얼려 먹기 - 코드 비교 분석

문제 개요

이 문제는 2차원 배열에서 상, 하, 좌, 우로 연결된 부분을 하나의 덩어리로 간주하여, 0으로 이루어진 덩어리(즉, 아이스크림 개수)를 구하는 문제이다.

DFS/BFS 문제를 처음 접해봤기 때문에 어떻게 접근해야 할지 감이 오지 않았다. 일단 DFS 문제라는 것만 알고, DFS 동작 과정을 다시 한번 정독한 다음 문제를 풀어봤다. (참고로 BFS로도 풀 수 있다고 한다.)

내가 작성한 코드

# DFS
n, m = map(int, input().split())

a = [list(input().strip()) for _ in range(n)]

# 상, 하, 좌, 우
dx = [-1, 1, 0, 0]
dy = [0, 0, -1, 1]

cnt = 0

def dfs(i, j):
    d = []
    
    for k in range(4):
        x = i + dx[k]
        y = j + dy[k]
        if 0 <= x < n and 0 <= y < m and a[x][y] == '0':
            d.append([x, y])
    
    if d:
        for l in d:
            a[l[0]][l[1]] = '1'
            dfs(l[0], l[1])

for i in range(n):
    for j in range(m):
        if a[i][j] == '0':
            a[i][j] = '1'
            cnt += 1
            dfs(i, j)

print(cnt)

내가 접근한 방식

  1. dx, dy 리스트를 사용해 상하좌우 방향을 탐색하도록 구현했다.
  2. 인접한 노드 중 방문하지 않은 노드를 d 리스트에 추가한 후, 해당 노드들에 대해 재귀적으로 dfs를 호출했다.
  3. cnt는 처음 0을 발견할 때만 증가시키도록 했다. (하나의 덩어리를 찾을 때마다 1 증가)

정답 코드와의 비교

책에서 제시한 정답 코드는 다음과 같다.

n, m = map(int, input().split())

# 2차원 리스트의 맵 정보 입력받기
graph = []
for i in range(n):
    graph.append(list(map(int, input())))

# DFS로 특정한 노드를 방문한 뒤에 연결된 모든 노드들도 방문
def dfs(x, y):
    # 주어진 범위를 벗어나는 경우에는 즉시 종료
    if x <= -1 or x >= n or y <= -1 or y >= m:
        return False
    # 현재 노드를 아직 방문하지 않았다면
    if graph[x][y] == 0:
        # 해당 노드 방문 처리
        graph[x][y] = 1
        # 상, 하, 좌, 우의 위치도 모두 재귀적으로 호출
        dfs(x-1, y)
        dfs(x, y-1)
        dfs(x+1, y)
        dfs(x, y+1)
        return True
    return False

# 모든 노드(위치)에 대하여 음료수 채우기
result = 0
for i in range(n):
    for j in range(m):
        # 현재 위치에서 DFS 수행
        if dfs(i, j) == True:
            result += 1
print(result)

차이점

  1. 초기 DFS 호출 방식

    • 내 코드에서는 dfs 함수 내부에서 d 리스트를 만들어 방문할 노드를 먼저 모은 후 재귀적으로 탐색했다.
    • 정답 코드에서는 단순히 상하좌우로 dfs를 호출하고, 유효한 좌표인지 여부를 dfs 함수의 처음 부분에서 처리했다.
  2. 방문 처리 방식

    • 나는 d 리스트를 사용해서 먼저 방문할 노드를 따로 저장한 후 하나씩 방문 처리했다.
    • 정답 코드에서는 dfs가 호출되었을 때 바로 graph[x][y] = 1로 방문 처리를 했다.
  3. 결과 값 증가 방식

    • 내 코드는 cnt를 사용하여 0을 처음 만날 때마다 1씩 증가시켰다.
    • 정답 코드에서는 dfs 함수가 True를 반환하는 경우에만 result += 1을 했다. 즉, dfs가 한 덩어리를 모두 탐색한 후 True를 반환하면 한 개의 아이스크림을 찾았다고 판단했다.

배운 점

  1. DFS 호출 구조

    • 나는 재귀를 호출하기 전에 먼저 방문할 노드를 리스트에 담고 탐색했는데, 사실 바로 dfs를 호출하고 함수 내부에서 유효성을 검사하는 방식이 더 직관적이고 간결하다.
  2. 결과 값 증가 위치

    • 정답 코드처럼 dfs 함수가 True를 반환하는 시점에서 result += 1을 하면 더 깔끔하게 덩어리를 세는 로직을 구현할 수 있다.
  3. 방문 처리 순서

    • 나는 방문 가능한 노드를 먼저 리스트에 넣고 방문 처리를 했지만, 정답 코드처럼 dfs를 호출하자마자 방문 처리를 하는 것이 중복 방문을 방지하는 데 효과적이다.

BFS로도 구현이 가능하다!

다음은 정답 코드를 기반으로 하여 BFS로 구현해본 코드이다.

from collections import deque

n, m = map(int, input().split())

# 2차원 리스트의 맵 정보 입력받기
graph = []
for i in range(n):
    graph.append(list(map(int, input())))

# 상, 하, 좌, 우
dx = [-1, 1, 0, 0]
dy = [0, 0, -1, 1]

# BFS로 특정한 노드를 방문한 뒤에 연결된 모든 노드들도 방문
def bfs(x, y):
    q = deque([(x, y)])
    graph[x][y] = 1
    while q:
        vx, vy = q.popleft()
        for k in range(4):
            nx = vx + dx[k]
            ny = vy + dy[k]
            if 0 <= nx < n and 0 <= ny < m and graph[nx][ny] == 0:
                q.append((nx, ny))
                graph[nx][ny] = 1
    return True

# 모든 노드(위치)에 대하여 음료수 채우기
result = 0
for i in range(n):
    for j in range(m):
        # 현재 위치에서 BFS 수행
        if graph[i][j] == 0 and bfs(i, j) == True:
            result += 1

print(result)

🏃‍♂️ 미로 탈출

이 문제에서는 최단 거리를 구해야 하기 때문에 BFS가 유리하다.

🔹 BFS를 사용해야 하는 이유

  • BFS는 같은 거리의 노드를 먼저 탐색하기 때문에 가장 먼저 도착한 경로가 최단 경로가 된다.
  • DFS는 깊이 우선 탐색을 하므로, 불필요한 경로를 탐색하며 돌아올 수 있다.

처음에는 문제를 어떻게 접근해야 할지 몰라서 헤맸다

하지만 책의 힌트를 얻고 보니 핵심 아이디어는 '새롭게 방문하는 노드'의 값을 1씩 증가시키는 것이었다.

BFS 구현 코드

from collections import deque

n, m = map(int, input().split())

graph = []
for _ in range(n):
  graph.append(list(map(int, input())))

# 상, 하, 좌, 우
dx = [-1, 1, 0, 0]
dy = [0, 0, -1, 1]

def bfs(x, y):
  q = deque([(x, y)])
  while q:
    vx, vy = q.popleft()
    for k in range(4):
      nx = vx + dx[k]
      ny = vy + dy[k]
      if 0 <= nx < n and 0 <= ny < m and graph[nx][ny] == 1:
        q.append((nx, ny))
        graph[nx][ny] = graph[vx][vy] + 1
  return graph[n-1][m-1]

print(bfs(0, 0))

📌 내가 배운 점

  • BFS를 사용하면 최단 거리 보장이 된다.
  • 큐를 활용하여 순차적으로 탐색하면 자연스럽게 최단 거리 탐색이 가능하다.
  • 각 노드의 값을 '이전 노드 값 +1'로 업데이트하면 이동 횟수를 기록할 수 있다.

profile
꾸준함을 잃지 말자.

0개의 댓글