문제는 되게 간단하다.
- X가 3으로 나누어 떨어지면, 3으로 나눈다.
- X가 2로 나누어 떨어지면, 2로 나눈다.
- 1을 뺀다.
정수 N이 주어졌을 때, 위와 같은 연산 세 개를 적절히 사용해서 1로 만드는 연산횟수의 최솟값을 출력해야 한다.
깊이 우선 탐색(DFS), 너비 우선 탐색(BFS)
처음 문제를 접했을 때 재귀방식의 DFS, BFS가 떠올랐다. 그래서 무작정 코드를 다음과 같이 작성해보았다.
def make_one(n):
min_count = 1000000
if n == 1:
return 0
if n % 3 == 0:
tmp = make_one(n // 3)
if tmp < min_count:
min_count = tmp
if n % 2 == 0:
tmp = make_one(n // 2)
if tmp < min_count:
min_count = tmp
tmp = make_one(n - 1)
if tmp < min_count:
min_count = tmp
return min_count + 1
quest = int(input())
print(make_one(quest))
무작정 재귀방식으로 풀어보았다. 예제에 있던 입출력 결과가 다 동일하기에 제출했다. 시간초과가 발생했다. 이 문제에는 2초라는 시간 제한이 존재한다. 입력값에 5000의 숫자를 넣었더니 당연하게도 프로그램이 끝나질 않았다.
시간복잡도란? 문제를 해결하는데 걸리는 시간과 입력의 함수 관계를 가리킨다.
위의 문제를 예로 들자면 makeone이라는 함수가 O(n)이라는 시간복잡도를 가진다고 가정하고 60을 입력했을 때
- 3으로 나눠 20이 된다.
- 2로 나눠 30이 된다.
- 1을 빼서 59가 된다.
이렇게 세가지 경우의 수를 가질 수 있다. 재귀를 풀게 되면 이렇게 나온 숫자들을 또 다시 make_one함수의 매개변수로 넣어서 각각 같은 과정을 거치게 된다. 즉, 함수에 한번 들어갈 때마다 O(n)의 과정을 3번씩 거치게 되고 또 넘겨진 n값으로 계속 물고 물어져서 배수로 커져가는 시간복잡도를 확인할 수 있다.
이렇게 되면 낮은 숫자일 때는 별 문제 없는 것처럼 보일 수 있지만 큰 숫자로 갈 수록 계산 시간이 엄청 늦어진다.
이 과정에서 앞에 벽을 세운 것 마냥 답답했다. 자료구조를 배워 이제 막 해결하나 싶었는데 시간초과를 해결할 방법이 떠오르지 않았다. 그렇다고 풀이를 본다거나 포기하는 것은 자존심이 상할 것 같았다. 그러던 도중 페이지의 하단을 보니 문제의 분류가 표시되어 있는 것이 아닌가! 다이나믹 프로그래밍이라고 적혀있었다. 풀이를 보느니 이것을 공부해서 직접 적용해보는 것이 도움이 되리라 생각했다.
다이나믹 프로그래밍(DP)
다이나믹 프로그래밍은 하나의 문제는 단 한번만 풀도록 하는 알고리즘이며 한 번 푼 것을 여러 번 다시 푸는 비효율적인 알고리즘을 개선시키는 방법이다.
초기값을 정하고 점화식을 찾아낸 후 밑에서부터 차례로 구해나가 답을 알아내는 형태이다.
def dynamic(n):
storage = [0, 0, 1, 1]
for up in range(4, n+1):
check = 10000
if up % 3 == 0:
tmp = storage[up // 3]
if tmp < check:
check = tmp
if up % 2 == 0:
tmp = storage[up // 2]
if tmp < check:
check = tmp
tmp = storage[up - 1]
if tmp < check:
check = tmp
storage.append(check +1)
return storage[n]
n = int(input())
print(dynamic(n))storage 리스트는 인덱스 번호값이 1로 만드는 연산횟수의 최솟값이 저장된다. 여기서 초기값으로 1의 경우 0, 2의 경우 1, 3의 경우 1이라는 초기값을 계산하고 리스트에 넣어두었다.
보기 쉽게 딕셔너리로 나타내면 storage = {1:0, 2:1, 3:1}가 된다. 여기서 4의 연산최솟값을 구해야 된다하면 4는 3과 2로 떨어질 수 있고 우린 3에 대한 연산최솟값을 리스트에 갖고 있기 때문에 dynamic(4) = min(storage[3], storage[2])로 쉽게 구할 수 있다. 이렇게 구해진 4의 최솟값을 리스트에 추가시키고 5의 연산최솟값을 찾아 또 다시 저장한다. 이렇게 밑에서부터 차례로 구해나가다 보면 내가 입력한 값의 답을 알아낼 수 있게 된다.
이렇게 중복 계산을 제거하기 위해서 이전의 값을 저장해두는 것을 메모이제이션이라고 한다.
과정 자체는 굉장히 복잡해 보이지만 시간복잡도에서는 굉장히 빠른 속도를 보인다. 점화식이 맞는 값을 찾아 리스트에서 값을 꺼내오기만 하면 되기 때문에 O(n)이라고 볼 수 있다. (직접 코드를 입력해서 확인해보더라도 체감이 될 정도로 빠르다.)
이것이 다이나믹 프로그래밍의 가장 큰 장점인 것 같다.
부족한 점
문제를 풀어보면서 재귀방식은 프로그래머가 이해하기 쉽게 코드를 짤 수 있지만 복잡한 연산에서는 어울리지 않는 것 같고 다이나믹 프로그래밍은 메모리를 조금 더 사용해서 연산 시간을 대폭 줄이는 방식이라는 느낌을 받았다.
다이나믹 프로그래밍을 처음 접했기 때문에 점화식을 세우는 과정이나 시간복잡도를 이해하는 부분에서 많은 부족함이 보이지만 지금은 문제를 해결했다는 점에서 만족감을 느끼고 있다.
