본문으로 건너뛰기
실습하기

탐욕 알고리즘 구현 방법

1. 최적의 선택

탐욕 알고리즘은 매 순간 최적이라고 생각되는 선택을 합니다.

최적의 선택 예시
def min_coins(coins, amount):
coins.sort(reverse=True)
count = 0
for coin in coins:
count += amount // coin
amount %= coin
return count

2. 반복적인 선택 과정

가장 큰 단위의 동전부터 사용하여 목표 금액에 가장 가까워지도록 합니다. 이 과정을 반복합니다.

반복적인 선택 과정 예시
for coin in coins:
count += amount // coin
amount %= coin

효율성 및 적용

  1. 효율성: 탐욕 알고리즘은 각 단계에서 로컬 최적의 해결책을 빠르게 찾을 수 있어, 계산 시간을 단축시킵니다.

  2. 적용 분야: 탐욕 알고리즘은 최적화 문제, 그래프 탐색 문제, 일정 스케줄링 등 다양한 분야에 적용될 수 있습니다.

  3. 주의점: 탐욕 알고리즘은 각 단계에서 최적의 선택을 하지만, 이것이 전체적인 최적해를 보장하지는 않습니다. 따라서 문제의 성격을 고려하여 적용하는 것이 중요합니다.


동전 문제 예시

  • 동전 단위: [1, 100, 50, 500]

  • 목표 금액: 800원

  • 최소 동전 개수: 4개 (500원 1개, 100원 3개)


예제 실행 및 결과

  • 위의 예제를 실행하면, 주어진 동전들을 사용하여 800원을 만드는 최소한의 동전 개수를 찾습니다. 이는 탐욕 알고리즘의 전형적인 예시로, 각 단계에서 가장 큰 단위의 동전을 사용하여 목표 금액에 가장 빠르게 도달하는 방법을 보여줍니다.

  • 결과적으로, 500원 동전 1개와 100원 동전 3개를 사용하여 총 4개의 동전으로 800원을 만들 수 있습니다. 이는 주어진 조건에서의 최소 동전 개수입니다.


시간 복잡도

  1. 시간 복잡도: (O(n log n))

    • 여기서 n은 동전의 종류 수입니다. 동전을 내림차순으로 정렬하는 과정에서 (O(n log n))의 시간이 소요됩니다.
  2. 각 동전의 사용 여부 결정: 각 동전에 대해 사용 여부를 결정하는 과정은 (O(n))의 시간이 소요됩니다.

  3. 전체적인 시간 복잡도: 따라서 전체적인 시간 복잡도는 (O(n log n) + O(n))으로, 대략 (O(n log n))입니다.


적용 사례 및 한계

  • 탐욕 알고리즘은 복잡도가 높은 문제에 대한 빠른 해결책을 제공할 수 있지만, 항상 최적의 해를 찾는 것은 아닙니다. 예를 들어, 동전의 단위가 특정한 조합으로 주어질 때, 탐욕 알고리즘으로는 최적의 해를 찾지 못할 수도 있습니다.

  • 이러한 이유로 탐욕 알고리즘은 문제의 특성과 요구 사항을 잘 이해하고 적용해야 합니다. 특히, 전체적인 최적해가 중요한 문제에서는 탐욕 알고리즘의 적용에 주의해야 합니다.

다음 내용이 궁금하다면?

코드프렌즈 PLUS 멤버십 가입 or 강의를 등록해 주세요!