자바스크립트 코딩테스트 강좌, 기수 정렬

본 강좌에서는 자바스크립트로 구현된 기수 정렬(Radix Sort) 알고리즘을 소개하고, 이를 어떻게 활용하여 코딩테스트 문제를 해결할 수 있는지에 대해 상세히 설명하겠습니다. 기수 정렬 알고리즘의 개념, 구현 방법, 시간 복잡도, 예제 문제를 통해 체계적으로 학습해보겠습니다.

기수 정렬(Radix Sort)란?

기수 정렬은 정렬 알고리즘 중 하나로, 비슷한 수의 자릿수(digit)를 가지는 수들을 정렬할 때 효율적인 방법입니다. 이 방법의 핵심은 숫자를 개별 자리(1의 자리, 10의 자리 등)로 나누어 정렬한 후, 자릿수를 순차적으로 고려하여 전체 숫자를 정렬하는 방식입니다.

기수 정렬의 원리

기수 정렬은 다음과 같은 순서로 진행됩니다:

  1. 입력된 배열의 최대 자릿수를 찾습니다. 이는 정렬을 수행할 때 몇 번의 패스(pass)가 필요한지를 결정합니다.
  2. 각 자릿수에 대해 안정 정렬을 수행합니다. 가장 낮은 자리(1의 자리)부터 시작하여 가장 높은 자리(최대 자릿수)까지 반복합니다.
  3. 최종적으로 모든 자릿수에 대한 정렬이 완료된 후, 원본 배열은 정렬된 상태가 됩니다.

시간 복잡도

기수 정렬의 시간 복잡도는 주로 사용하는 안정 정렬 알고리즘에 따라 다르지만, 일반적으로 O(nk)입니다. 여기서 n은 정렬할 숫자의 개수, k는 가장 큰 숫자의 자릿수입니다. 기수 정렬은 특성상 정수에 대해서만 사용될 수 있지만, 문자나 문자열에 대해서도 변형된 버전으로 적용할 수 있습니다.

자바스크립트로 기수 정렬 구현하기

기본 알고리즘 구현

아래는 자바스크립트로 구현된 기수 정렬의 예시 코드입니다:

function getMax(array) {
    let max = array[0];
    for (let i = 1; i < array.length; i++) {
        if (array[i] > max) {
            max = array[i];
        }
    }
    return max;
}

function countingSort(array, place) {
    const n = array.length;
    const output = new Array(n);
    const count = new Array(10).fill(0);

    for (let i = 0; i < n; i++) {
        const digit = Math.floor(array[i] / place) % 10;
        count[digit]++;
    }

    for (let i = 1; i < 10; i++) {
        count[i] += count[i - 1];
    }

    for (let i = n - 1; i >= 0; i--) {
        const digit = Math.floor(array[i] / place) % 10;
        output[count[digit] - 1] = array[i];
        count[digit]--;
    }

    for (let i = 0; i < n; i++) {
        array[i] = output[i];
    }
}

function radixSort(array) {
    const max = getMax(array);
    for (let place = 1; Math.floor(max / place) > 0; place *= 10) {
        countingSort(array, place);
    }
    return array;
}

// 사용 예시
const numbers = [170, 45, 75, 90, 802, 24, 2, 66];
console.log(radixSort(numbers)); // 출력: [2, 24, 45, 66, 75, 90, 170, 802]

문제 예시: 정수 배열 정렬

자, 이제 기수 정렬을 실제 문제에 적용해 보겠습니다. 문제는 다음과 같습니다:

문제: 정수 배열이 주어질 때, 기수 정렬 알고리즘을 이용하여 이 배열을 오름차순으로 정렬하는 함수를 작성하시오.

문제 접근 방식

  1. 입력 배열을 함수의 인자로 받아옵니다.
  2. 기수 정렬 알고리즘을 활용하여 배열을 정렬합니다.
  3. 정렬된 배열을 반환합니다.

구현 및 테스트

위에서 설명한 기수 정렬 알고리즘을 바탕으로 위 문제를 해결하기 위한 함수를 아래와 같이 구현할 수 있습니다:

function sortIntegers(array) {
    return radixSort(array);
}

// 테스트
const testArray = [5, 3, 8, 1, 2, 7, 4, 6];
console.log(sortIntegers(testArray)); // 출력: [1, 2, 3, 4, 5, 6, 7, 8]

결론

이번 강좌에서는 기수 정렬 알고리즘에 대해 알아보고, 자바스크립트로 어떻게 구현하는지 살펴보았습니다. 기수 정렬은 대량의 정수를 정렬할 때 매우 효율적이며, 특히 자릿수가 적은 수에 대해서 뛰어난 성능을 보여줍니다. 다양한 코딩테스트 문제를 접근하기 위해 기수 정렬을 활용해보는 것은 매우 유익한 경험이 될 것입니다. 앞으로의 코딩테스트에서 기수 정렬의 개념과 구현 방법을 잘 활용하시기 바랍니다.

자바스크립트 코딩테스트 강좌, 그래프의 표현

그래프는 다양한 문제를 해결하는 데 강력한 데이터 구조입니다. 이 포스팅에서는 그래프의 표현 방법에 대해 알아보고, 문제를 해결하는 과정을 자세히 설명하겠습니다.

그래프의 정의

그래프는 정점(Vertex)과 간선(Edge)으로 구성된 데이터 구조로, 정점은 객체나 노드를 나타내고 간선은 정점 간의 관계를 나타냅니다. 그래프는 방향이 있는 경우(Directed Graph)와 없는 경우(Undirected Graph)로 나눌 수 있습니다.

또한, 그래프는 가중치가 있을 수도 있고(Weighted Graph), 없을 수도 있습니다(Unweighted Graph). 가중치 그래프에서는 간선에 비용이나 거리가 할당됩니다.

그래프 표현 방법

그래프를 표현하는 방법은 크게 두 가지가 있습니다:

  • 인접 행렬(Adjacency Matrix): 정점 간의 관계를 2차원 배열로 표현합니다. 배열의 크기는 정점의 수에 따라 결정되며, 행렬의 값은 두 정점 간의 간선의 존재를 나타내거나 가중치를 포함합니다.
  • 인접 리스트(Adjacency List): 각 정점에 인접한 정점들을 리스트로 표현합니다. 이 방법은 메모리 효율성이 좋고, 희소 그래프에서 유리합니다.

문제: 그래프의 경로 찾기

다음 문제를 해결해 보겠습니다.

문제 설명: 주어진 그래프에서 두 개의 정점 A와 B가 주어질 때, A에서 B까지 가는 모든 경로를 찾아 출력하는 함수를 작성하세요.

그래프는 인접 리스트로 주어집니다.

문제 예시

입력:
graph = {
    'A': ['B', 'C'],
    'B': ['D'],
    'C': ['D'],
    'D': ['E'],
    'E': []
}
start = 'A'
end = 'E'

출력:
['A', 'B', 'D', 'E']
['A', 'C', 'D', 'E']
            

문제 해결 과정

이 문제를 해결하기 위해 Depth-First Search(DFS) 알고리즘을 사용할 것입니다. DFS는 그래프의 깊이를 우선적으로 탐색하여 모든 가능한 경로를 찾아내는 알고리즘입니다.

1단계: DFS 함수 정의

먼저, 현재 정점에서 시작하여 모든 경로를 탐색하는 DFS 함수를 정의합니다. 이 함수는 현재 경로를 리스트로 가지고 있으며, 목표 정점에 도달하면 경로를 저장합니다.


function findPaths(graph, start, end, path = [], paths = []) {
    path.push(start); // 현재 정점을 경로에 추가

    // 목표 정점에 도달하면 경로를 저장
    if (start === end) {
        paths.push([...path]);
    } else {
        // 인접한 정점들에 대해 DFS를 호출
        for (const neighbor of graph[start] || []) {
            findPaths(graph, neighbor, end, path, paths);
        }
    }

    path.pop(); // 경로에서 현재 정점을 제거 (백트래킹)
    return paths; // 모든 경로를 반환
}
            

2단계: 그래프와 입력값 정의

이제 그래프와 시작 및 종료 정점을 정의합니다.


const graph = {
    'A': ['B', 'C'],
    'B': ['D'],
    'C': ['D'],
    'D': ['E'],
    'E': []
};

const start = 'A';
const end = 'E';
            

3단계: 함수 실행

모든 경로를 찾기 위해 함수를 실행하고 결과를 출력합니다.


const allPaths = findPaths(graph, start, end);
console.log(allPaths);
            

최종 코드


function findPaths(graph, start, end, path = [], paths = []) {
    path.push(start); // 현재 정점을 경로에 추가
    if (start === end) {
        paths.push([...path]); // 경로가 완성되면 추가
    } else {
        for (const neighbor of graph[start] || []) {
            findPaths(graph, neighbor, end, path, paths); // DFS 호출
        }
    }
    path.pop(); // 백트래킹
    return paths; // 모든 경로 반환
}

const graph = {
    'A': ['B', 'C'],
    'B': ['D'],
    'C': ['D'],
    'D': ['E'],
    'E': []
};

const start = 'A';
const end = 'E';
const allPaths = findPaths(graph, start, end);
console.log(allPaths);
            

결론

이번 포스팅에서는 자바스크립트를 활용한 그래프 표현 방식과 DFS를 이용한 경로 찾기 문제를 해결하는 과정을 설명했습니다. 그래프는 실생활에서도 다양한 문제를 해결하는 데 유용하게 사용되므로, 그 본질과 활용에 대한 이해는 매우 중요합니다. 앞으로 더 많은 알고리즘 문제를 다루어 보며, 다양한 문제 해결 능력을 기르시길 바랍니다.

자바스크립트 코딩테스트 강좌, 오큰수 구하기

안녕하세요! 오늘은 자바스크립트 코딩테스트의 중요한 주제 중 하나인 ‘오큰수 구하기’에 대해 알아보겠습니다. 이 문제는 배열에서 각 원소의 오큰수를 구하는 것으로, 효율적인 알고리즘 설계가 필요합니다. 이번 글에서는 문제 설명, 접근 방법, 알고리즘 구현까지 상세히 다룰 예정입니다.

문제 설명

주어진 배열에서 각 원소에 대해 그 원소 오른쪽에 위치한 더 큰 수 중 가장 먼저 나타나는 수를 찾는 문제입니다. 만약 그런 수가 없다면 -1을 반환합니다.

예제

  • 입력: [2, 3, 3, 5, 4, 9, 6]

    출력: [3, 5, 5, 9, 9, -1, -1]
  • 입력: [1, 2, 3, 4]

    출력: [2, 3, 4, -1]
  • 입력: [5, 4, 3, 2, 1]

    출력: [-1, -1, -1, -1, -1]

문제 접근 방법

이 문제를 해결하기 위한 접근 방식은 두 가지가 있습니다. 첫 번째는 단순한 이중 반복문을 사용하는 방법이며, 두 번째는 스택을 이용하는 방법입니다. 두 번째 방법이 시간 복잡도 면에서 효율적입니다.

1. 이중 반복문 접근

각 원소에 대해 오른쪽에 있는 원소들을 모두 확인하여 오큰수를 찾는 방법입니다. 이 방법은 구현이 쉽지만, 시간 복잡도가 O(N^2)로 비효율적입니다.


function findNextGreaterElements(arr) {
    const result = [];
    const n = arr.length;
    
    for (let i = 0; i < n; i++) {
        let found = false;
        for (let j = i + 1; j < n; j++) {
            if (arr[j] > arr[i]) {
                result[i] = arr[j];
                found = true;
                break;
            }
        }
        if (!found) {
            result[i] = -1;
        }
    }
    return result;
}

// 예시 사용
console.log(findNextGreaterElements([2, 3, 3, 5, 4, 9, 6]));
// 출력: [3, 5, 5, 9, 9, -1, -1]
    

2. 스택을 이용한 접근

스택을 활용하여 문제를 해결하는 방법입니다. 이 방법은 각 원소에 대해 스택을 사용하여 처리하므로 시간이 O(N) 이며, 공간 복잡도는 O(N)입니다.

알고리즘은 다음과 같습니다:

  1. 스택을 초기화합니다.
  2. 각 원소에 대해 반복합니다.
  3. 스택의 최상단 원소가 현재 원소보다 작으면, 스택에서 팝하여 그 원소의 오큰수를 현재 원소로 설정합니다.
  4. 현재 원소의 인덱스를 스택에 푸시합니다.
  5. 반복이 끝나면 스택에 남아 있는 원소들은 -1로 설정합니다.

function findNextGreaterElements(arr) {
    const result = new Array(arr.length).fill(-1);
    const stack = [];
    
    for (let i = 0; i < arr.length; i++) {
        while (stack.length > 0 && arr[stack[stack.length - 1]] < arr[i]) {
            const index = stack.pop();
            result[index] = arr[i];
        }
        stack.push(i);
    }
    
    return result;
}

// 예시 사용
console.log(findNextGreaterElements([2, 3, 3, 5, 4, 9, 6]));
// 출력: [3, 5, 5, 9, 9, -1, -1]
    

결론

오큰수 구하기 문제는 배열의 원소를 기반으로 하여 나중에 나타나는 큰 수를 찾는 과정을 통해 알고리즘 문제 해결 능력을 기를 수 있는 좋은 문제입니다. 반복문을 활용한 단순한 방법과 스택을 이용한 효율적인 방법 모두를 이해하고 적용하는 것이 중요합니다. 앞으로도 이러한 문제들을 통해 더 많은 알고리즘과 자료구조를 공부하길 바랍니다!

참고 자료

  • 자료구조와 알고리즘: 강의 및 책
  • 온라인 코딩 테스트 플랫폼 (예: LeetCode, HackerRank)
  • 자바스크립트 공식 문서

자바스크립트 코딩테스트 강좌, 이진 탐색

이진 탐색(Binary Search)은 정렬된 배열에서 특정한 값을 찾는 효율적인 알고리즘입니다. 이진 탐색의 기본 아이디어는 배열을 반으로 나누어 원하는 값이 있는 부분을 반복적으로 좁혀 나가는 것입니다. 이 글에서는 이진 탐색 알고리즘에 대한 자세한 설명과 함께 문제를 풀어보겠습니다.

문제 설명

다음은 이진 탐색을 활용하여 해결할 수 있는 문제입니다:

문제: 이진 탐색을 사용하여 배열에서 특정 값 찾기

정렬된 배열 nums와 정수 target가 주어질 때, target의 인덱스를 반환하세요. target이 배열에 존재하지 않으면 -1을 반환합니다. 함수는 nums가 오름차순으로 정렬되어 있다고 가정합니다.

예시

입력: nums = [-1,0,3,5,9,12], target = 9
출력: 4

입력: nums = [-1,0,3,5,9,12], target = 2
출력: -1

이진 탐색 알고리즘의 원리

이진 탐색 알고리즘은 다음과 같은 절차로 검색을 진행합니다:

  1. 배열의 중간 인덱스(middle)를 계산합니다.
  2. 중간값이 찾고자 하는 값(target)과 비교합니다:
    • 중간값이 target과 같으면 중간 인덱스를 반환합니다.
    • 중간값이 target보다 작으면 오른쪽 절반을 검색합니다. (중간 인덱스 + 1 부터 끝까지)
    • 중간값이 target보다 크면 왼쪽 절반을 검색합니다. (시작부터 중간 인덱스 – 1 까지)
  3. 정확한 값을 찾을 때까지 이 과정을 반복합니다.

이진 탐색의 시간 복잡도는 O(log n)으로, 대량의 데이터에서 빠르게 검색할 수 있는 장점이 있습니다.

문제 해결 과정

이제 위의 문제를 해결하기 위해 코드를 작성해 보겠습니다. 첫 번째로 배열과 target을 받아들이는 함수를 정의합니다.


function binarySearch(nums, target) {
    let left = 0;
    let right = nums.length - 1;

    while (left <= right) {
        const mid = Math.floor((left + right) / 2); // 중간 인덱스 계산
        
        if (nums[mid] === target) {
            return mid; // 찾은 경우 중간 인덱스 반환
        } else if (nums[mid] < target) {
            left = mid + 1; // 오른쪽 절반으로 이동
        } else {
            right = mid - 1; // 왼쪽 절반으로 이동
        }
    }

    return -1; // 값이 없는 경우 -1 반환
}

코드 설명

위 코드에서 binarySearch 함수는 nums 배열과 target 값을 인자로 받아서 이진 탐색을 수행합니다.

  1. leftright 변수를 사용하여 검색 범위를 설정합니다. 초기 값은 각각 배열의 시작과 끝 인덱스입니다.
  2. while 루프를 사용하여 leftright보다 작거나 같은 동안 반복합니다.
  3. 각 반복마다 중간 인덱스를 계산하고, 중간값을 target과 비교합니다.
  4. 조건에 따라 검색 범위를 조정하고, 최종적으로 값을 찾지 못한 경우 -1을 반환합니다.

예제 실행

아래는 이진 탐색 함수의 예제 실행입니다:


const nums = [-1,0,3,5,9,12];
console.log(binarySearch(nums, 9)); // 출력: 4
console.log(binarySearch(nums, 2)); // 출력: -1

결과 분석

위의 예제를 통해 함수가 올바른 인덱스를 출력하는 것을 확인할 수 있습니다. binarySearch(nums, 9)는 4를 반환하고, binarySearch(nums, 2)는 -1을 반환합니다.

결론

이진 탐색은 매우 효율적인 탐색 알고리즘으로, 정렬된 데이터에서 원하는 값을 빠르게 찾을 수 있습니다. 이번 강좌를 통해 이진 탐색의 원리와 구현 방법을 이해하셨길 바랍니다. 실제 코딩 테스트에서도 자주 등장하는 알고리즘이므로, 반드시 숙지하고 연습하는 것이 중요합니다.

자바스크립트 코딩테스트 강좌, DFS와 BFS 프로그램

블로그에 오신 것을 환영합니다! 오늘은 DFS(깊이 우선 탐색)와 BFS(너비 우선 탐색) 알고리즘을 활용한 문제를 풀어보며 이론과 실제 구현을 동시에 학습해보겠습니다.

문제 설명

주어진 무방향 그래프에서 특정 노드까지의 최단 경로를 찾는 문제를 다루겠습니다. 그래프는 인접 리스트 형태로 주어지며, 최단 경로는 BFS로 구할 수 있습니다. DFS는 최단 경로를 찾기보다는 경로의 존재 여부를 확인하는 데 사용될 수 있습니다.

문제


입력:
- n: 정점의 수 (1 ≤ n ≤ 10^4)
- edges: 간선 리스트 (무방향)
- start: 시작 정점
- end: 종료 정점

출력:
- start에서 end까지의 최단 경로를 이루는 간선의 리스트
            

예시

입력: n = 5, edges = [[1, 2], [1, 3], [2, 4], [3, 4], [4, 5]], start = 1, end = 5

출력: [1, 2, 4, 5] 또는 [1, 3, 4, 5]

이론

DFS(깊이 우선 탐색)

DFS는 그래프의 한 노드에서 시작하여 가능한 한 깊숙이 탐색한 후 더 이상 진행할 수 없게 되면 되돌아가는 방식입니다. 이 알고리즘은 재귀적으로 또는 스택을 사용하여 구현됩니다. DFS의 장점은 메모리 사용량이 적고, 깊은 노드 탐색이 필요한 경우에 유용합니다.

BFS(너비 우선 탐색)

BFS는 시작 노드에서 인접한 모든 노드를 탐색한 후, 그 노드들의 인접 노드를 탐색하는 방식으로 진행됩니다. 큐를 사용하여 구현하며, 최단 경로를 찾기에 특히 적합합니다. BFS는 최단 경로를 찾는 데 있어 매우 유용하며, 최단 경로가 존재할 경우 이를 보장합니다.

문제 풀이

1단계: 그래프 구성

먼저, 인접 리스트를 사용하여 그래프를 구성해 보겠습니다.


function buildGraph(n, edges) {
    const graph = Array.from({ length: n + 1 }, () => []);
    for (const [u, v] of edges) {
        graph[u].push(v);
        graph[v].push(u); // 무방향 그래프이므로 양방향으로 추가
    }
    return graph;
}

const n = 5;
const edges = [[1, 2], [1, 3], [2, 4], [3, 4], [4, 5]];
const graph = buildGraph(n, edges);
console.log(graph);
            

2단계: BFS 구현

이제 시작 정점에서 종료 정점까지의 최단 경로를 BFS로 찾아보겠습니다.


function bfs(graph, start, end) {
    const queue = [[start]];
    const visited = new Set([start]);

    while (queue.length > 0) {
        const path = queue.shift();
        const node = path[path.length - 1];

        if (node === end) {
            return path; // 최단 경로를 찾으면 반환
        }

        for (const neighbor of graph[node]) {
            if (!visited.has(neighbor)) {
                visited.add(neighbor);
                queue.push([...path, neighbor]); // 현재 경로에 인접 노드를 추가
            }
        }
    }
    return []; // 경로가 없을 경우 빈 배열 반환
}

const start = 1,
      end = 5;

const result = bfs(graph, start, end);
console.log(result);
            

3단계: DFS 구현

이제 DFS를 사용하여 경로의 존재 여부를 확인하고, 경로를 찾는 방법을 살펴보겠습니다.


function dfs(graph, start, end, visited = new Set(), path = []) {
    visited.add(start);
    path.push(start);
    
    if (start === end) {
        return path; // 경로를 찾으면 반환
    }

    for (const neighbor of graph[start]) {
        if (!visited.has(neighbor)) {
            const resultPath = dfs(graph, neighbor, end, visited, [...path]);
            if (resultPath.length > 0) {
                return resultPath; // 경로가 발견되면 반환
            }
        }
    }
    return []; // 경로가 없을 경우 빈 배열 반환
}

const dfsResult = dfs(graph, start, end);
console.log(dfsResult);
            

결론

이번 강좌에서는 자바스크립트를 이용하여 DFS와 BFS 알고리즘을 구현하고, 이를 통해 그래프 문제를 해결하는 법을 배웠습니다. BFS는 최단 경로를 찾는 데 유용하고, DFS는 경로 탐색에 적합하다는 점에서 두 알고리즘은 각기 다른 상황에 맞게 사용될 수 있습니다. 다음 강좌에서는 이론을 한층 더 발전시키고, 다양한 그래프 문제를 해결하는 데 도전하겠습니다.