1. 알고리즘 복잡도 계산이 필요한 이유
하나의 문제를 푸는 알고리즘은 다양할 수 있음
- 정수의 절대값 구하기
- 방법1 : 정수값을 제곱한 값에 다시 루트를 씌우기
- 방법2: 정수가 음수인지 확인해서 음수일 때만, -1을 곱하기
다양한 알고리즘 중 어느 알고리즘이 더 좋은지를 분석하기 위해, 복잡도를 정의하고 계산함
2. 알고리즘 복잡도 계산 항목
- 시간 복잡도: 알고리즘 실행 속도
- 공간 복잡도: 알고리즘이 사용하는 메모리 사이즈
가장 중요한 시간 복잡도를 꼭 이해하고 계산할 수 있어야 함
알고리즘 시간 복잡도의 주요 요소
반복문이 지배
생각해보기 : 자동차로 서울에서 부산을 가기 위해, 다음과 같이 항목을 나누었을 때, 가장 총 시간에 영향을 많이 미칠 것 같은 요소는?
- 예:
- 자동차로 서울에서 부산가기
- 자동차 문열기
- 자동차 문닫기
- 자동차 운전석 등받이 조정하기
- 자동차 시동걸기
- 자동차로 서울에서 부산가기
- 자동차 시동끄기
- 자동차 문열기
- 자동차 문닫기
마찬가지로, 프로그래밍에서, 시간 복잡도에 가장 영향을 많이 미치는 요소는 반복문
- 입력의 크기가 커지면 커질수록 반복문이 알고리즘 수행 시간을 지배함
알고리즘 성능 표기법
-
Big O(빅-오) 표기범 : O(N)
- 알고리즘 최악의 실행 시간을 표기
- 가장 많이/ 일반적으로 사용함
- 아무리 최악의 상황이라도, 이정도의 성능은 보장한다는 의미이기 때문
-
오메가 표기법 :(오메가)(N)
- 오메가 표기법은 알고리즘 최상의 실행 시간을 표기
-
세타 표기법 : (세타)(N)
-
오메가 표기법은 알고리즘 평균 실행 시간을 표기
시간 복잡도 계산은 반복문이 핵심 요소임을 인지하고, 계산 표기는 최상, 평균, 최악 중, 최악의 시간인 Big-O표기법을 중심으로 익히면 됨
알고리즘 복잡도 표현방법, -2
3. 대문자 O 표기법
-
빅 오 표기법, Big-O 표기법 이라고도 부름
-
O(입력)
- 입력 n 에 따라 결정되는 시간 복잡도 함수
- O(1), O(logn), O(n), O(nlogn), O(N2), O(2n), O(n!)등으로 표기함
- 입력 n 의 크기에 따라 기하급수적으로 시간 복잡도가 늘어날 수 있음
- O(1) < O(logN) < O(n) < O(nlogn) < O (n2) < O(2n) < O(n!)
- 참고 : log n 의 베이스는 2 - log2n
-
단순하게 입력 n에 따라, 몇번 실행이 되는지를 계산하면 됩니다.
- 표현식에 가장 큰 영향을 미치는 n의 단위로 표기합니다.
- n이 1이든 100이든, 1000이든 100000이든 실행을
- n에 따라, n번, n + 10번 또는 3n + 10번등 실행한다 : O(n)
- n에 따라 n2번, n2 + 1000번, 또는 100n2 - 100번 등 실행한다 : O(n2)
-
빅 오 입력값 표기 방법
- 예 :
- 만약 시간 복잡도 함수가 2n(2) + 3n 이라면
- 가장 높은 차수는 2n(2)
- 상수는 실제 큰 영향이 없음
- 결국 빅 오 표기법으로는 O(n2)(서울부터 부산까지 가는 자동차의 예를 상기)
4. 실제 알고리즘을 예로 알고리즘의 시간 복잡도와 빅 오 표기법 알아보기
알고리즘 1 : 1 부터 N 까지의 합을 구하는 알고리즘 1
- 합을 기록할 변수를 만들고 0 을 저장
- N을 부터 1씩 증가하면서 반복
- 반복문 안에서 합을 기록할 변수에 1씩 증가된 값을 더합
- 반복이 끝나면 합을 출력
public class algorithm{
public static void main(String []args){
int reuslt = 0;
for (int i = 0; i < N; i++){
result += i;
}
System.out.println(result);
}
}
알고리즘 2 : 1부터 N까지의 합을 구하는 알고리즘 2
public class algorithm{
public static void main(String []args){
int reuslt = 0;
result = (n * (n + 1) / 2);
System.out.println(result);
}
}