diff --git a/3sum/EcoFriendlyAppleSu.kt b/3sum/EcoFriendlyAppleSu.kt
new file mode 100644
index 000000000..3846aa507
--- /dev/null
+++ b/3sum/EcoFriendlyAppleSu.kt
@@ -0,0 +1,104 @@
+package leetcode_study
+
+/**
+ * 주어진 배열의 세 원소의 합이 0인 경우를 구하는 문제. (세 개의 값의 결과는 중복되지 않음)
+ *
+ * 주어진 조건
+ * 3 <= nums.length <= 3000
+ * -105 <= nums[i] <= 105
+ */
+
+/**
+ * case01. 조합을 사용한 풀이.
+ * 시간 초과 발생 이유
+ * -> 모든 가능한 세 개의 조합을 생성하기 때문에 발생.
+ * 시간 복잡도:
+ * -> 세 개의 조합 생성 과정: O(n * (n-1) * (n-2)) / 3. 최악의 경우 n = 3000, 4.5 억개 조합 생성
+ * -> 세 개의 조합 결과 sorting 과정: O(klogk). k = 3
+ * -> 결과값을 필터링해 합이 0인 배열을 필터하는 과정: O(n)
+ * 나머지 연산이 세 개의 조합 생성 과정에 영향을 받아 계산 횟수 증가.
+ *
+ * 공간 복잡도:
+ * -> 각 조합을 모두 저장: O(n^3)
+ */
+fun threeSumUseCombination(nums: IntArray): List<List<Int>> {
+    // 결과를 담을 Set 자료구조
+    val processResult = mutableSetOf<List<Int>>()
+
+    // 주어진 배열의 크기를 담는 변수
+    val maxNumber = nums.size
+
+    // 조합 배열의 크기
+    val givenSize = 3
+
+    // 나타낼 인덱스를 구하는 배열 초기화
+    val indices = IntArray(givenSize)
+    for (i in 0 until givenSize) {
+        indices[i] = i
+    }
+
+    while (indices[givenSize - 1] < maxNumber) {
+        processResult.add(indices.map { nums[it] }.sorted())
+        var i = givenSize - 1
+
+        while (i >= 0 && indices[i] == i + maxNumber - givenSize) {
+            i--
+        }
+
+        if (i >= 0) {
+            indices[i]++
+            for (j in i + 1 until givenSize) {
+                indices[j] = indices[j-1] + 1
+            }
+        } else break
+    }
+
+    return processResult.filter { it.sum() == 0 }
+}
+
+/**
+ * case02. 투 포인터를 사용한 풀이
+ * 조합을 사용한 풀이와 달리 시간 초과가 발생하지 않음. O(n^3)의 시간 복잡도를 O(n^2)으로 줄임
+ *
+ * 시간 복잡도:
+ * -> 주어진 숫자 배열 오름차순으로 정렬: O(nlogn)
+ * -> 세 개의 숫자를 더하는 로직
+ *      -> 외부 반복문을 통해 주어진 배열 전체 조회: O(n)
+ *      -> 내부 반복문을 통해 start to last index 순회: O(n)
+ *      -> O(n^2)
+ * ∴ O(nlogn) + O(n^2) => O(n^2)
+ *
+ * 공간 복잡도:
+ * -> 주어진 숫자 배열의 정렬을 담는 공간 필요: O(n)
+ */
+fun threeSum(nums: IntArray): List<List<Int>> {
+    val processResult = mutableListOf<List<Int>>()
+    val sortedNums = nums.sorted()
+
+    for (i in sortedNums.indices) {
+        if (i > 0 && sortedNums[i] == sortedNums[i-1]) continue
+
+        var startIndex = i + 1
+        var lastIndex = sortedNums.size - 1
+
+        while (startIndex < lastIndex) {
+            val sum = sortedNums[i] + sortedNums[startIndex] + sortedNums[lastIndex]
+            when {
+                sum == 0 -> {
+                    processResult.add(listOf(sortedNums[i], sortedNums[startIndex], sortedNums[lastIndex]))
+                    while (startIndex < lastIndex && sortedNums[startIndex] == sortedNums[startIndex + 1]) startIndex++
+                    while (startIndex < lastIndex && sortedNums[lastIndex] == sortedNums[lastIndex - 1]) lastIndex--
+                    startIndex++
+                    lastIndex--
+                }
+                sum < 0 -> {
+                    startIndex++
+                }
+                else -> {
+                    lastIndex--
+                }
+            }
+        }
+    }
+    return processResult
+}
diff --git a/climbing-stairs/EcoFriendlyAppleSu.kt b/climbing-stairs/EcoFriendlyAppleSu.kt
new file mode 100644
index 000000000..011656a11
--- /dev/null
+++ b/climbing-stairs/EcoFriendlyAppleSu.kt
@@ -0,0 +1,24 @@
+package leetcode_study
+
+/**
+ * 계단에 올라갈 수 있는 경우의 수 구하는 방법
+ * 시간 복잡도: O(n)
+ * -> 주어진 횟수 만큼 반복 진행
+ * 공간 복잡도: O(k)
+ * -> 주어진 계단 수 만큼 횟수를 저장할 공간 필요
+ */
+fun climbStairs(n: Int): Int {
+    val step = IntArray(n+1)
+
+    if (n == 1) {
+        return 1
+    }
+    step[1] = 1
+    step[2] = 2
+
+    for (i in 3 until step.size) {
+        step[i] = step[i-1] + step[i-2]
+    }
+
+    return step[n]
+}
diff --git a/construct-binary-tree-from-preorder-and-inorder-traversal/EcoFriendlyAppleSu.kt b/construct-binary-tree-from-preorder-and-inorder-traversal/EcoFriendlyAppleSu.kt
new file mode 100644
index 000000000..8451d2e35
--- /dev/null
+++ b/construct-binary-tree-from-preorder-and-inorder-traversal/EcoFriendlyAppleSu.kt
@@ -0,0 +1,45 @@
+package leetcode_study
+
+/**
+ * 전위 순회, 중위 순회를 통한 원본 Binary Tree를 구하는 문제
+ *
+ * 전위 순회 탐색 순서 : 루트 -> 왼쪽 서브 트리 -> 오른쪽 서브 트리
+ * 중위 순회 탐색 순서 : 왼쪽 서브 트리 -> 루트 -> 오른쪽 서브 트리
+ * 탐색은 동일한 Binary Tree를 두고 진행되기 때문에 배열의 길이는 같습니다.
+ *
+ * 시간 복잡도: O(n^2)
+ * -> Ary RootNode Index 를 찾는 과정: O(n)
+ * -> 재귀 안에서 RootNode Index 를 찾는 과정: O(n)
+ * --> 두 계의 과정은 별도로 존재하는 것이 아닌 내부적으로 일어나기 때문에 O(n) * O(n). 즉, O(n^2)의 시간 복잡도가 소요됨
+ *
+ * 공간 복잡도: O(n) or O(logn)
+ * -> 재귀를 통할 때마다 배열이 새로 생성. 각 노드에 대해 배열이 나뉘므로 O(n)의 공간 복잡도를 가짐
+ * -> 만약 Binary Tree가 한 쪽으로 치우지지 않은 Balanced Binary Tree라면 O(logn)의 공간 복잡도를 가짐.
+ */
+fun buildTree(preorder: IntArray, inorder: IntArray): TreeNode? {
+    if (preorder.isEmpty() || inorder.isEmpty()) return null
+
+    // 왼쪽 오른쪽 분류의 기준이 되는 rootValue를 구하는 과정
+    val rootValue = preorder[0]
+    val rootNode = TreeNode(rootValue)
+
+    // root를 기준으로 왼쪽, 오른쪽 subTree를 구성
+    val pivotValue = inorder.indexOf(rootValue)
+    val leftInOrder = inorder.slice(0 until pivotValue)
+    val rightInOrder = inorder.slice(pivotValue + 1 until inorder.size)
+
+    // 왼쪽, 오른쪽 subTree를 기준으로 leftPreOrder, rightPreOrder 구성
+    val leftPreOrder = preorder.slice(1 until leftInOrder.size + 1)
+    val rightPreOrder = preorder.slice(leftInOrder.size + 1 until preorder.size)
+
+    // 재귀를 통한 subTree 생성
+    rootNode.left = buildTree(leftPreOrder.toIntArray(), leftInOrder.toIntArray())
+    rootNode.right = buildTree(rightPreOrder.toIntArray(), rightInOrder.toIntArray())
+
+    return rootNode
+}
+
+class TreeNode(val value: Int, ) {
+    var left: TreeNode? = null
+    var right: TreeNode? = null
+}
diff --git a/valid-anagram/EcoFriendlyAppleSu.kt b/valid-anagram/EcoFriendlyAppleSu.kt
new file mode 100644
index 000000000..d01b1632f
--- /dev/null
+++ b/valid-anagram/EcoFriendlyAppleSu.kt
@@ -0,0 +1,35 @@
+package leetcode_study
+
+/**
+ * 문장의 문자 순서를 바꾸어 새로운 단어나 문장을 만들 수 있는지 판별하는 문제
+ * 시간 복잡도: O(n)
+ * -> 주어진 문자열을 순회하며 Map 자료구조에 값을 채워넣는 과정: O(n)
+ * -> 알파벳 문자열 세팅 과정: O(1)
+ * -> Map<알파벳, 빈도> 초기화 과정: O(1)
+ * -> 알파벳 비교 과정: O(1)
+ * O(1) + O(1) + O(1) + O(n) => O(n)
+ *
+ * 공간 복잡도: O(1)
+ * -> 알파벳 빈도수를 저장 Map: O(1)
+ */
+fun isAnagram(s: String, t: String): Boolean {
+    val alphaArray = CharArray(26) { 'a' + it}
+
+    if (s.length != t.length) return false
+
+    val sMap = alphaArray.associateWith { 0 }.toMutableMap()
+    val tMap = alphaArray.associateWith { 0 }.toMutableMap()
+
+    for (i in s.indices) {
+        sMap[s[i]] = sMap.getValue(s[i]).plus(1)
+        tMap[t[i]] = tMap.getValue(t[i]).plus(1)
+    }
+
+    for (alphabet in alphaArray) {
+        if (sMap[alphabet] != tMap[alphabet]) {
+            return false
+        }
+    }
+
+    return true
+}