Merge pull request #968 from forest000014/main

forest000014 · web-flow · commit 111feeb84ec0 · 2025-01-31T23:38:40.000+09:00
[forest000014] Week 8
diff --git a/clone-graph/forest000014.java b/clone-graph/forest000014.java
@@ -0,0 +1,77 @@
+/*
+# Time Complexity: O(n * e), where e is the maximum number of edges of a node
+  - 전체 node를 순회하면서, 그 이웃에 해당하는 복제본을 생성해서 복제본끼리 연결해준다.
+  - 단, 중복 방문을 막기 위해, 복제본이 이미 이웃 복제본을 가지고 있는지 확인한다. 이 과정에서 O(e)만큼의 List 순회를 한다.
+
+# Space Complexity: O(n)
+  - 전체 Node 만큼의 메모리가 필요하다.
+(Space Complexity를 계산하기 애매한 측면이 있네요. 저는 지금까지 출력은 space complexity에 포함하지 않고 계산했었는데, 그 이유는 "어떤 알고리즘을 구현하든 출력은 동일하기 때문"인데요. 이 문제의 경우에 출력은 Node 하나이지만, 실제로는 Node 전체만큼의 메모리를 반드시 생성해야 한다는 특수성이 있습니다. 그래서 "어떻게 구현하든 동일하게 사용해야만 하는 메모리는 Space Complexity에서 배제한다" 라는 논리로만 보자면 O(1)일 것 같고, "출력을 제외한 메모리 사용은 Space Complexity에 포함한다" 라는 논리대로라면 O(n)인 것 같습니다.)
+
+
+전체 노드를 DFS로 순회하면서 이웃 노드의 복제본을 생성하여 현재 노드의 복제본과 연결을 맺어줍니다.
+다만, 중복 방문을 막기 위해, 복제본이 이미 이웃 복제본을 가지고 있는지 확인한다.
+또한 순환 참조(cycle 구조)를 막기 위해서, 복제본 노드를 생성시 단순히 new 키워드를 사용하지 않고, 별도의 map을 통해 싱글톤으로 생성한다. (각 노드의 val은 distinct하다는 점을 이용)
+
+
+// Definition for a Node.
+class Node {
+    public int val;
+    public List<Node> neighbors;
+    public Node() {
+        val = 0;
+        neighbors = new ArrayList<Node>();
+    }
+    public Node(int _val) {
+        val = _val;
+        neighbors = new ArrayList<Node>();
+    }
+    public Node(int _val, ArrayList<Node> _neighbors) {
+        val = _val;
+        neighbors = _neighbors;
+    }
+}
+*/
+
+class Solution {
+
+    Map<Integer, Node> map = new HashMap<>();
+
+    public Node cloneGraph(Node node) {
+        if (node == null) {
+            return null;
+        }
+
+        Node newNode = createNode(node.val);
+        dfs(node);
+
+        return newNode;
+    }
+
+    public Node createNode(int val) {
+        if (!map.containsKey(val)) {
+            map.put(val, new Node(val));
+        }
+        return map.get(val);
+    }
+
+    public void dfs(Node oldNode) {
+        Node newNode = map.get(oldNode.val);
+
+        for (Node oldNeighbor : oldNode.neighbors) {
+            boolean hasIt = false;
+            for (Node newNeighbor : newNode.neighbors) {
+                if (newNeighbor.val == oldNeighbor.val) {
+                    hasIt = true;
+                    break;
+                }
+            }
+
+            if (!hasIt) {
+                Node newNeighbor = createNode(oldNeighbor.val);
+                newNode.neighbors.add(newNeighbor);
+                newNeighbor.neighbors.add(newNode);
+                dfs(oldNeighbor, newNeighbor);
+            }
+        }
+    }
+}
diff --git a/longest-common-subsequence/forest000014.java b/longest-common-subsequence/forest000014.java
@@ -0,0 +1,51 @@
+/*
+# Time Complexity: O(m * n), where m = text1.length(), n = text2.length()
+# Space Complexity: O(m * n)
+
+DP로 접근했습니다.
+text1[0..i], text2[0..j]의 LCS의 길이를 lcs[i][j]라고 정의하겠습니다. (0 <= i < m, 0 <= j < n)
+lcs[i - 1][j - 1], lcs[i - 1][j], lcs[i][j - 1]을 미리 구해두었다면, lcs[i][j]는 아래처럼 O(1)에 계산할 수 있습니다.
+
+1. text1[i] != text2[j]인 경우
+lcs[i - 1][j] 를 기준으로 생각해보면, text1[i] != text2[j]이기 때문에, text1[0..i-1]에 text1[i]를 추가한다 해도, LCS의 길이에는 변화가 없습니다.
+마찬가지로 lcs[i][j - 1] 을 기준으로, text2[0..j-1]에 text2[j]를 추가해도, LCS의 길이에는 변화가 없습니다.
+따라서 lcs[i][j] = max(lcs[i - 1][j], lcs[i][j - 1]) 로 구할 수 있습니다.
+
+2. text1[i] == text2[j]인 경우
+이 경우에는, lcs[i - 1][j - 1]에서 구한 LCS에 1글자가 추가되므로, lcs[i][j] = lcs[i - 1][j - 1] + 1 로 구할 수 있습니다.
+
+3. i = 0 혹은 j = 0인 경우의 예외 로직을 추가하면, LCS의 길이를 구하는 2차원 DP를 구현할 수 있습니다.
+
+*/
+
+class Solution {
+    public int longestCommonSubsequence(String text1, String text2) {
+        int m = text1.length();
+        int n = text2.length();
+        int[][] lcs = new int[m][n];
+
+        for (int i = 0; i < m; i++) {
+            for (int j = 0; j < n; j++) {
+                if (text1.charAt(i) == text2.charAt(j)) {
+                    if (i == 0 || j == 0) {
+                        lcs[i][j] = 1;
+                    } else {
+                        lcs[i][j] = lcs[i - 1][j - 1] + 1;
+                    }
+                } else {
+                    if (i == 0 && j == 0) {
+                        lcs[i][j] = 0;
+                    } else if (i == 0) {
+                        lcs[i][j] = lcs[i][j - 1];
+                    } else if (j == 0) {
+                        lcs[i][j] = lcs[i - 1][j];
+                    } else {
+                        lcs[i][j] = Math.max(lcs[i][j - 1], lcs[i - 1][j]);
+                    }
+                }
+            }
+        }
+
+        return lcs[m - 1][n - 1];
+    }
+}
diff --git a/longest-repeating-character-replacement/forest000014.java b/longest-repeating-character-replacement/forest000014.java
@@ -0,0 +1,50 @@
+/*
+Time Complexity: O(n)
+Space Complexity: O(1)
+
+투 포인터 방식으로 접근했습니다.
+현재 상태에서, 두 포인터 사이의 가장 많은 문자를 제외한 나머지 문자의 개수가 k개 이하면 right를 오른쪽으로 1칸,
+k개 초과면 left를 오른쪽으로 1칸씩 이동합니다.
+
+다만, 개인적으로 에너지가 고갈된 상태에서 풀다보니,
+현재 상태에서 가장 많은 문자를 카운트하는 방식을 counts[26] 배열을 순회하는 식으로 단순하게 짰습니다.
+PQ를 사용하면 조금 더 시간이 개선될 것 같습니다.
+*/
+class Solution {
+    public int characterReplacement(String s, int k) {
+        int[] counts = new int[26];
+
+        int l = 0;
+        int r = 0;
+        int mostCount = 1;
+
+        counts[s.charAt(0) - 'A'] = 1;
+        int ans = 0;
+
+        while (r < s.length()) {
+            mostCount = 0;
+            for (int i = 0; i < 26; i++) {
+                if (counts[i] > mostCount) {
+                    mostCount = counts[i];
+                }
+            }
+
+            if (r - l + 1 - mostCount <= k) {
+                if (r - l + 1 > ans) {
+                    ans = r - l + 1;
+                }
+
+                r++;
+                if (r == s.length()) {
+                    break;
+                }
+                counts[s.charAt(r) - 'A']++;
+            } else {
+                counts[s.charAt(l) - 'A']--;
+                l++;
+            }
+        }
+
+        return ans;
+    }
+}
diff --git a/number-of-1-bits/forest000014.java b/number-of-1-bits/forest000014.java
@@ -0,0 +1,88 @@
+/*
+solution 1. bit operation
+# Time Complexity: O(1)
+  - n의 사이즈는 32 bit로 일정
+  - 2 * 32 회 연산 필요
+# Space Complexity: O(1)
+
+bit를 하나씩 센다.
+
+
+solution 2. bit operation (advanced)
+# Time Complexity: O(1)
+  - 2 * b 회 연산 필요 (b는 1인 bit의 개수) 
+# Space Complexity: O(1)
+
+n &= (n - 1) 연산을 통해, 마지막 bit를 한번에 하나씩 제거하면서 bit를 센다.
+1인 bit의 개수만큼 연산을 하므로, 평균적으로 solution 1보다는 연산 횟수가 적다.
+
+
+solution 3. 8-bit chunk lookup table
+# Time Complexity: O(n)
+  - n / 8 회 연산 필요
+# Space Complexity: O(1)
+  - 2^8 사이즈의 int 배열 사용
+
+이진수 00000000 ~ 11111111 에 대해서, 각 수에 bit 1이 몇 개 등장하는지 미리 lookup table에 저장해둔다.
+그리고 n을 8 bit 단위로 잘라서, loopup table에서 조회하여 누적해준다.
+연산 횟수가 n / 8로 줄어든다는 장점이 있으나, lookup table을 미리 계산하거나 런타임에 계산해야 하고, lookup table 사이즈만큼의 메모리를 더 사용해야 한다는 트레이드 오프가 있다.
+
+
+solution 4. population count 알고리즘
+# Time Complexity: O(1)
+  - 5 회 연산 필요
+# Space Complexity: O(1)
+
+각 단계를 진행할 때마다, 2, 4, 8, 16, 32 bit chunk 안의 1 bit의 개수를 센다.
+
+
+solution 5. 자바 내장 함수 Integer.bitCount() 사용
+# Time Complexity: O(1)
+# Space Complexity: O(1)
+
+*/
+class Solution {
+    // solution 1
+    // public int hammingWeight(int n) {
+    //     int ans = 0;
+    //     while (n > 0) {
+    //         ans += (n & 1);
+    //         n >>= 1;
+    //     }
+    //     return ans;
+    // }
+
+    // solution 2
+    // public int hammingWeight(int n) {
+    //     int ans = 0;
+    //     while (n > 0) {
+    //         n &= (n - 1); // 최하위 1비트를 제거
+    //         ans++;
+    //     }
+    //     return ans;
+    // }
+
+    // solution 3.
+    // lookup table (8-bit 단위로)
+    // 이 아이디어는 시간이 부족해서 구현하지 못했습니다.
+
+
+    // solution 4.
+    // population count 알고리즘
+    // https://blog.naver.com/jinhan814/222540111549
+    // http://shumin.co.kr/algorithm-hamming-weight-bit-count/
+    public int hammingWeight(int n) {
+        n = (n >>  1 & 0x55555555) + (n & 0x55555555);
+        n = (n >>  2 & 0x33333333) + (n & 0x33333333);
+        n = (n >>  4 & 0x0F0F0F0F) + (n & 0x0F0F0F0F);
+        n = (n >>  8 & 0x00FF00FF) + (n & 0x00FF00FF);
+        n = (n >> 16 & 0x0000FFFF) + (n & 0x0000FFFF);
+        return n;
+    }
+
+    // solution 5.
+    // 자바 내장 함수 사용 O(logn)
+    // public int hammingWeight(int n) {
+    //     return Integer.bitCount(n);
+    // }
+}
diff --git a/sum-of-two-integers/forest000014.java b/sum-of-two-integers/forest000014.java
@@ -0,0 +1,109 @@
+/*
+# Time Complexity: O(n)
+# Space Complexity: O(1)
+
+음...... bit manipulation을 최대한 활용해서 했습니다.
+이진법의 덧셈/뺄셈을 손으로 계산한다면, carry/borrow 개념을 활용해서 수행할 텐데, 이 과정을 그대로 코드로 옮겨보았습니다.
+++은 increment operator이고, -는 unary minus operator로만 썼으니, 문제의 조건인 +, - operator를 쓰지 말라는 제약사항은 지켰다고 주장하고 싶습니다.
+그런데 이렇게 지저분하게 구현하는 것은 출제자의 의도에 부합하지 않는 것 같네요. Dale님의 풀이를 보니 훨씬 간결하던데, 좀 더 공부해봐야 할 것 같습니다.
+*/
+
+class Solution {
+    public int getSum(int a, int b) {
+        if (a >= 0 && b >= 0) {
+            return sum(a, b);
+        } else if (a <= 0 && b <= 0) {
+            return -sum(-a, -b);
+        } else if (a < 0) {
+            if (-a >= b) {
+                return -subtract(-a, b);
+            } else {
+                return subtract(b, -a);
+            }
+        } else {
+            if (a >= -b) {
+                return subtract(a, -b);
+            } else {
+                return -subtract(-b, a);
+            }
+        }
+    }
+
+    public int sum(int a, int b) {
+        int sum = 0;
+        int carry = 0;
+        int bit = 0;
+        int digit = 0;
+
+        while (a > 0 || b > 0) {
+            if (((a & 1) & (b & 1) & (carry & 1)) == 1) {
+                carry = 1;
+                bit = 1;
+            } else if (((a & 1) | (b & 1) | (carry & 1)) == 1) {
+                if (((a & 1) ^ (b & 1) ^ (carry & 1)) == 0) {
+                    carry = 1;
+                    bit = 0;
+                } else {
+                    carry = 0;
+                    bit = 1;
+                }
+            } else {
+                carry = 0;
+                bit = 0;
+            }
+
+            sum |= (bit << digit);
+
+            a >>= 1;
+            b >>= 1;
+            digit++;
+        }
+
+        if (carry == 1) {
+            sum |= (1 << digit);
+        }
+
+        return sum;
+    }
+
+    public int subtract(int a, int b) {
+        int sub = 0;
+        int borrow = 0;
+        int bit = 0;
+        int digit = 0;
+
+        while (a > 0) {
+            if (borrow == 1) {
+                if ((a & 1) == (b & 1)) {
+                    borrow = 1;
+                    bit = 1;
+                } else if ((a & 1) == 1) {
+                    borrow = 0;
+                    bit = 0;
+                } else {
+                    borrow = 1;
+                    bit = 0;
+                }
+            } else {
+                if ((a & 1) == (b & 1)) {
+                    borrow = 0;
+                    bit = 0;
+                } else if ((a & 1) == 1) {
+                    borrow = 0;
+                    bit = 1;
+                } else {
+                    borrow = 1;
+                    bit = 1;
+                }
+            }
+
+            sub |= (bit << digit);
+
+            digit++;
+            a >>= 1;
+            b >>= 1;
+        }
+
+        return sub;
+    }
+}
