수열 {}이 있을 때 수열에서 각 항을 이라고 부른다고 가정하면 다음과 같이 표현할 수 있다.
좀 더 기본 예시 1, 2, 3, ... 과 같이 이어지는 등차수열의 점화식
결과적으로 앞서 언급했던 피보나치 수열에서는 첫 번째 항과 두 번째 항의 값이 모두 1이기 때문에 최종적으로 피보나치 수열을 나타낼 때에는 다음과 같이 정의할 수 있다.
, ,
피보나치 함수 소스코드
# 피보나치 함수(Fibonacci Function)를 재귀 함수로 구현
def fibo(x) :
if x == 1 or x == 2 :
return 1
return fibo(x-1) + fibo(x-2)
print(fibo(4))
그런데 이렇게 작성하면 심각한 문제가 발생한다.
바로 함수에서 n이 커지면 커질수록 수행 시간이 기하급수적으로 늘어나기 때문이다.
의 지수 시간이 소요한다.
단순히 매번 계산하도록 하면 문제를 효율적으로 해결할 수 없다. 이러한 문제를 다이나믹 프로그래밍으로 사용하면 효율적으로 해결할 수 있다.
피보나치 수열은 이러한 조건을 만족하는 대표 문제이다.
한 번 구한 결과를 메모리 공간에 메모해두고 같은 식을 다시 호출하면 메모한 결과를 그대로 가져오는 기법을의미
값을 저장하는 방법이므로 캐싱(caching)이라고 한다.
피보나치 수열 소스코드(재귀적)
# 한 번 계산된 결과를 메모이제이션(Memoization)하기 위한 리스트 초기화
d = [0] * 100
# 피보나치 함수(Fibonacci Function)를 재귀함수로 구현(탑다운 다이나믹 프로그래밍)
def fibo(x) :
# 종료 조건(1 혹은 2일 때 1을 반환)
if x == 1 or x == 2 :
return 1
# 이미 계산한 적 있는 문제라면 그대로 반환
if d[x] != 0 :
return d[x]
# 아직 계산하지 않은 문제라면 점화식에 따라서 피보나치 결과 반환
d[x] = fibo(x - 1) + fibo(x - 2)
return d[x]
print(fibo(99))
다이나믹 프로그래밍이란 큰 문제를 작게 나누고, 같은 문제라면 한 번씩만풀어 문제를 효율적으로 해결하는 알고리즘 기법
다이나믹 프로그래밍과 분할 정복의 차이점은 다이나믹 프로그래밍은 문제들이 서로 영향을 미치고 있다는 점이다.
한 번 해결했던 문제를 다시금 해결한다는 특징 때문에 이미 해결된 부분 문제에 대한 답을 저장해 놓고, 이 문제는 이미 해결이 됐던 것이니까 다시 해결할 필요가 없다고 반환하는 것이다.
다이나믹 프로그래밍은 시간복잡도
왜냐하면 f(1)을 구한 다음 그 값이 f(2)를 푸는 데 사용되고, f(2)의 값이 f(3)를 푸는 데 사용되는 방식으로 이어지기 때문이다.
# 시간복잡도가 O(N)이라는 것을 확인
d = [0] * 100
def fibo(x) :
print('f(' + str(x) + ')', end=' ')
if x == 1 or x == 2 :
return 1
if d[x] != 0 :
return d[x]
d[x] = fibo(x - 1) + fibo(x - 2)
return d[x]
fibo(6)
f(6) f(5) f(4) f(3) f(2) f(1) f(2) f(3) f(4)
이처럼 재귀 함수를 이용하여 다이나믹 프로그래밍 소스코드를 작성하는 방법을, 큰 문제를 해경하기 위해 작은 문제를 호출한다고 하여 탐다운(Top-Down) 방식이라고 한다.
반면에 단순히 반복문을 이용하여 소스코드를 작성하는 경우 작은 문제부터 차근차근 답을 도출한다고 하여 바텀업(Bottom-Up)방식이라고 한다.
# 앞서 계산된 결과를 저장하기 위한 DP 테이블 초기화
d = [0] * 100
# 첫 번째 피보나치 수와 두 번째 피봐치 수는 1
d[1] = 1
d[2] = 1
n = 99
# 피보나치 함수 반복문으로 구현
for i in range93, n + 1) :
d[i] = d[i-1] + d[i-2]
print(d[n])
출처 이것이 코딩테스트다 with 파이썬