Home

Algorithm

🌞 매일 아침 시작하는 알고리즘 스터디 백준 편 🌞

• Python
• Java
• JS
• C

그래프

전체 개요

그래프를 공부해야 되는 이유(Why we have to use Grape Alogrithm?):

1. 세상에는 서로 간의 관계로 이어져 있는 것들이 매우 많다. 예를 들어, 어떤 고객이 어떤 상품을 샀다던가, 어떤 지점 간에 도로가 있다던가 등

   사건 A와 B가 서로 인과 관계로 이루어져있는 것 혹은 현상이 매우 많다.

2. 컴퓨터가 이러한 관계들을 이용해서 무엇을 하려면 컴퓨터가 이해할 수 있는 '관계'를 표현 방식이 그래프이다.

정의: 그래프는 현상이나 사물을 정점(vertex)과 간선(edge)으로 표현한 것이다. 일반적으로 그래프 G는 노드 V와 간선 E의 집합으로 표현된다.

표현 방식:

- Graph G =(V. E)
  - V: 정점 집합, Vertex
  - E: 간선 집합, Edge

- 인접(adjacent)
  - 두 정점이 간선으로 연결되어 있는 경우를 말한다. 

//그림 삽입

그래프의 종류:

• 무향 연결 그래프
• 유향 연결 그래프

그래프의 표현:

1. 인접 행렬
2. 인접 리스트
3. 인접 배열

그래프에서 모든 정점 방문하기

대표적인 두가지 방법: DFS, BFS

최소신장트리(Minimum Spanning Trees)

조건: 무향 연결 그래프(connected graph): 모든 정점 간에 경로가 존재하는 그래프

최소 신장 트리를 구하는 대표 알고리즘:

1. Prim's Algorithm
2. Kruskal's Algorithm

필수 용어:

• 트리: 싸이클이 없는 연결 그래프이다. n개의 정점을 가진 트리는 항상 n-1개의 간선을 갖는다.

• 신장: 모든 노드를 포함한다는 의미이다.

• 그래프 (G)의 신장 트리: G의 정점들과 간선들로만 구성된 트리이다.

  • Ex. 만약, 노드가 4개인 그래프 G의 신장 트리를 만든다면, 신장 트리는 반드시 4개의 노드를 포함하고 있어야 한다.
  • 주의할 점: 신장 트리는 트리의 일종이기 때문에 그래프와 트리의 차이인순환 구조를 가지면 안된다.

• G의 최소 신장 트리: G의 신장 트리들 중 간선의 합이 최소인 신장 트리이다.

---

프림(Prim) 알고리즘

• 기본적인 아이디어: S라는 집합을 유지하는 것이다.

• S는 공집합으로 시작하고, 모든 정점 V를 포함할 때 종료(집합 S의 개수 = 정점 V의 개수 )한다.

• 특징:

  • 최적해를 보장하는 그리디 알고리즘이다.

  • 힙을 이용한다.

• 수행시간: O(|E|log|V|)

  cf) E = 간선의 수, V: 정점의 수

알고리즘 사고 순서:

1. S를 공집합으로 만든다.

2. V의 모든 노드 값을 무한대로 설정한다.

3. 임의의 정점(r)을고른 후, 방문했음(=V 노드의 무한 값을 0으로 바꿔준다) 을 표시한다.

4. 해당 정점에 연결된 모든 간선 중에서 가장 **최소 비용을 가진 간선**을 선택한다.

5. 간선에 연결된 새로운 노드(y)를 집합 S에 추가하고, 방문했음(=y 노드의 값을 간선의 비용으로 바꿔준다 = 이완(relaxation))을 표시한다.

   • 더 이상 연결될 수 있는 간선이 없는 경우, y는 배열에서 더이상 신경 쓰지 않아도 된다.
   • 남은 노드의 개수: (V - S)

6. r과 y가 있는 집합 S를 하나의 큰 정점이라고 생각하고, 이를 기준으로 이어져 있는 간선의 값을 리스트에 넣어준다.

   = 골라야 할 선택지를 만들어 준 것이다. 만일 하나의 노드에 연결된 간선이 여러 개라면 작은 값을 넣어준다.

7. 리스트에 넣어준 값들 중 최소 값을 골라준다

8. 만일 S집합에 6번에서 선택지를 만들어주기 넣어준 노드의 값보다 새롭게 구하는 값이 더 작다면, 작은 값을 노드에 바꿔서 넣어준다.

9. S 집합의 개수가 V 정점의 개수와 같을 때까지 반복한다.

---

크루스칼(Kruskal) 알고리즘

• 기본적인 아이다어: T라는 신장트리 집합을 만드는 것이다.

• 간선 집합(Q)를 만들어 가중치가 작은 간선을 기준으로 작은 순서대로 집합을 만들어 알고리즘을 진행한다.

• 수행시간: O(ElogE) = O(ElogV)

알고리즘 사고 순서:

V: 7개라 가정하자.

1. 각각의 노드는 모두 각각의 집합이다. - 집합의 개수 = 7개
2. 가장 작은 간선을 찾는다.
3. 가장 작은 간선으로 연결된 두개의 노드가 하나의 집합으로 여겨진다. - 집합의 개수: 6개
4. 다음으로 작은 간선으로 연결된 노드를 찾아, 이를 또 하나의 집합으로 여긴다. - 집합의 개수: 5개
5. 만일 각 집합의 노드가 겹친다면, 서로 합쳐준다.
6. 이런 식으로 집합의 개수가 1이 될 때까지 줄인다.
7. 남은 간선은 버린다.

---

유향연결그래프

위상 정렬

만약에 우리가 해야 할 일이 여러가지가 있고, 이 일들 간에는 서로 상호 선후 관계가 있다면 이런 알고리즘은 어떻게 처리해야 할까?

쉽게 비유하자면, 우리가 라면을 끓일 때도

1. 라면 봉지 뜯기
2. 냄비에 물 붓기
3. 점화
4. 라면 넣기
5. 수프 넣기
6. 계란 풀기

와 같은 순서로 일을 상호 순서대로 처리하는 것과 같은 것이다. 여기서 조금 생각해볼만한 것은, **'이들 간의 순서가 바뀌어도 괜찮은 경우는 어떻게 처리할 것인가'**이다. 예를 들어, 누군가는 물을 끓이기 전에 라면 스푸를 넣는 사람도 있을 것이고, 물을 넣기 전에 라면 스프를 넣는 사람도 있을 것이기 때문이다. 이를 순서대로 나열한다면 아래와 같은 순서가 될 것이다. 우리는 컴퓨터가 해결해야하는 수 많은 문제들을 순서대로 처리하게 할 수 있도록 이러한 알고리즘을 사용하려고 한다.

1. 봉지 뜯기
2. 스프 넣기
3. 물 붓기
4. 점화
5. 라면 넣기
6. 계란풀기

조건: 싸이클이 없는 유향 그래프

기본 아이디어:

• 모든 정점을 일렬로 나열하되
• 정점 x에서 정점 y로 가는 간선이 있으면, x는 반드시 y보다 앞에 위치한다.
• 일반적으로 임의의 유향 그래프에 대해 복수의 위상 순서가 존재한다 (이는 하나의 일에 봉착하기 전에 이전의 일들은 순서에 상관없을 때가 있기 때문이다. 예를 들어 라면 스프를 넣는 순서처럼 말이다.)

**수행시간: ** V+E == 노드의 개수 + 간선의 개수

topologicalSort(G, v){
	for(int i=0; i<n; i++){
        // 1, 진입 간선이 없는 정점 u를 선택한다;
        // 2. Arr[i] = u;
        // 3. 정점 u와, u의 진출간선을 모두 제거한다.
    }
    // 이 시점에 배열 Arr[1~n]에는 정점들이 위상정렬 되어있다. 

}

최단 경로 알고리즘(Shortest Paths)

조건:

• 간선 가중치가 있는 유향 그래프
• 무향 그래프는 각 간선에 대해 양쪽으로 유향 간선이 있는 유향 그래프로 변환 시켜주어야한다.
  • 무향 간선(U, V) = 유향 간선(U, V) + 유향 간선(V, U)

두 정점 사이의 최다 경로

• 두 정점 사이의 경로들 중 간선의 가중치 합이 최소인 경로이다.
• 간선 가중치의 합이 음인 싸이클이 있으면 문제가 정의되지 않는다.

최단 경로 문제점의 유형

1. 단일 시작점 최단 경로

• 단일 시작점으로부터 각 정점에 이르는 최단 경로를 구한다.
• 알고리즘
  1. 다익스트라 알고리즘: 음의 가중치를 허용하지 않는 최단 경로이다.
  2. 벨만-포드 알고리즘: 음의 가중치를 허용하는 최단 경로이다.

2. 모든 쌍 최단 경로

• 모든 정점 쌍 사이의 최단 경로를 모두 구한다
• 알고리즘: 플로이드-워샬 알고리즘