[이코테] Ch7. 이진탐색

Ch7. 이진탐색

1. 순차탐색

💡 리스트 안에 있는 특정한 데이터를 찾기 위해 앞에서부터 데이터를 하나씩 차례대로 확인하는 방법

• 리스트에 특정 값의 원소가 있는지 체크할 때도 순차 탐색으로 원소를 확인
• 리스트 자료형에서 특정한 값을 가지는 원소의 개수를 세는 count() 메서드를 이용할 때도 내부에서는 순차 탐색이 수행
• 시간 복잡도 :O(N)
• 순차 탐색 소스코드

def sequential_search(n, target, array):
    # 각 원소 하나씩 확인
    for i in range(n):
        # 현재의 원소가 찾고자 하는 원소와 동일한 경우
        if array[i] == target:
            return i + 1    # 현재 위치 반환(인덱스는 0부터 시작하므로 1 더함)

print("생성할 원소 개수를 입력한 다음 한 칸 띄고 찾을 문자열을 입력하시오")
input_data = input().split()
n = int(input_data[0])   # 원소의 개수
target = input_data[1]   # 찾고자 하는 문자열

print("앞서 적은 원소 개수만큼 문자열을 입력하세오. 구분은 띄어쓰기 한 칸으로 합니다.")
array = input().split()

# 순차 탐색 수행 결과 출력
print(sequential_search(n, target, array))

2. 이진탐색 : 반으로 쪼개면서 탐색

💡 찾으려는 데이터와 중간점 위치에 있는 데이터를 반복적으로 비교해서 원하는 데이터 탐색

• 배열 내부의 데이터가 정렬되어 있어야만 사용할 수 있는 알고리즘
• 데이터가 무작위일 때는 사용할 수 없지만, 이미 정렬되어 있다면 매우 빠르게 데이터를 찾을 수 있다.
• 탐색 범위를 절반씩 좁혀가며 데이터 탐색
• 범위의 시작점, 끝점, 중간점 위치를 나타내는 변수 3개 사용
• 시간 복잡도 :O(logN)
  • 한 번 확인할 때마다 확인하는 원소의 개수가 절반씩 줄어듬.
• 코드로 구현하면 탐색하려는 데이터의 위치는 중간점 위치로 반환됨
• 재귀함수로 구현한 이진 탐색 소스코드

def binary_search(array, target, start, end):
    if start > end:
        return None
    mid = (start + end) // 2
    # 찾은 경우 중간점 인덱스 반환
    if array[mid] == target:
        return mid
    # 중간점의 값보다 찾고자 하는 값이 작은 경우 왼쪽 확인
    elif array[mid] > target:
        return binary_search(array, target, start, mid - 1)
    # 중간점의 값보다 찾고자 하는 값이 큰 경우 오른쪽 확인
    else:
        return binary_search(array, target, mid + 1, end)

# n과 target 입력받기
n, target = list(map(int, input().split()))
# 전체 원소 입력받기
array = list(map(int, input().split()))

# 이진 탐색 수행 결과 출력
result = binary_search(array, target, 0, n - 1)
if result == None:
    print("원소가 존재하지 않습니다")
else:
    print(result + 1)

• 반복문으로 구현한 이진 탐색 소스코드

def binary_search(array, target, start, end):
    while start <= end:
        mid = (start + end) // 2
        # 찾은 경우 중간점 인덱스 반환
        if array[mid] == target:
            return mid
        # 중간점의 값보다 찾고자 하는 값이 작은 경우 왼쪽 확인
        elif array[mid] > target:
            end = mid - 1
        # 중간점의 값보다 찾고자 하는 값이 큰 경우 오른쪽 확인
        else:
            start = mid + 1
        return None

# n과 target 입력받기
n, target = list(map(int, input().split()))
# 전체 원소 입력받기
array = list(map(int, input().split()))

# 이진 탐색 수행 결과 출력
result = binary_search(array, target, 0, n - 1)
if result == None:
    print("원소가 존재하지 않습니다")
else:
    print(result + 1)

3. 코딩 테스트에서의 이진탐색

• 참고할 소스코드가 없는 상태에서의 이진 탐색의 소스코드를 구현하는 것은 상당히 어려운 작업이 될 수 있다.
• 코드가 짧으니 이진 탐색을 처음 접했다면 여러차례 코드를 입력하며 자연스럽게 외우는 것도 좋은 방법이다.
• 이진 탐색의 언리를 다른 알고리즘에서도 폭 넓게 적용되는 원리와 유사하기 때문에 매우 중요하다.
• 높은 난이도의 문제에서는 이진 탐색 알고리즘이 다른 알고리즘과 함께 사용되기도 한다.
• 탐색 범위가 2,000만을 넘어가면 이진 탐색으로 문제에 접근하는 것도 좋다.
• 처리해야 할 데이터의 개수나 값이 1,000만 단위 이상으로 넘어가면 이진 탐색과 같이O(logN)의 속도를 내야 하는 알고리즘을 떠올려야 문제를 풀 수 있는 경우가 많다는 점을 기억하자.

4. 트리 자료구조

• 데이터 베이스는 내부적으로 대용량 데이터 처리에 접합한 트리 자료구조를 이용하여 항상 데이터가 정렬되어 있다.
• 따라서 데이터베이스에서의 탐색은 이진 탐색과는 다르지만, 이진 탐색과 유사한 방법을 이용해 탐색을 항상 빠르게 수행하도록 설계되어 있어서 데이터가 많아도 탐색하는 속도가 빠르다.
• 트리 자료구조는 노드와 노드의 연결로 표현된다.
• 노드는 정보의 단위로서 어떠한 정보를 가지고 있는 개체로 이해할 수 있다.
• 트리 자료구조는 그래프 자료구조의 일종으로 데이터베이스 시스템이나 파일 시스템과 같은 곳에서 많은 양의 데이터를 관리하기 위한 목적으로 사용
• 트리 자료구조의 특징
  • 트리는 부모 노드와 자식 노드의 관계로 표현
  • 트리의 최상단 노드 : 루트 노드
  • 트리의 최하단 노드 : 단말노드
  • 트리에서 일부를 떼어내도 트리구조이며 이를 서브 트리라고 한다.
  • 트리는 파일 시스템과 같이 계층적이고 정렬된 데이터를 다루기에 적합

5. 이진 탐색 트리

💡 이진 탐색 트리 : 이진 탐색이 동작할 수 있도록 고안된, 효율적인 탐색이 가능한 자료구조

• 트리 자료구조 중 가장 간단한 간단한 형태
• 이진 탐색 트리 특징
  • 부모 노드보다 왼쪽 자식 노드가 작다.
  • 부모 노드보다 오른쪽 자식 노드가 크다.
  • 왼쪽 자식 노드 < 부모 노드 < 오른쪽 자식 노드

Uploaded by Notion2Tistory v1.1.0