(전공복습) 데이터과학 4. 시각화
차례
두 가지 알고리즘을 연이어 적용하는 문제.
첫 번째는 그래프의 연결 요소(Connected Component)를 찾는 문제이다.
탐색을 활용해도 되고 유니온 파인드(Union Find)를 활용해도 되겠지만 여기서는 간단하게 DFS를 사용했다.
연결 요소를 찾아서 그 연결 요소의 노드 개수와 총 사탕 수를 구한다.
이후, 노드 개수를 무게, 사탕 수를 가치로 하는 0-1 냅색(0-1 Knapsack) 문제를 풀면 된다.
0-1 냅색이므로 DP를 활용하면 된다.
Python으로는 시간초과가 나길래 Pypy를 사용했다.
또한, 풀이 중에 1차원 DP를 활용하는 풀이가 2차원 DP를 활용하는 풀이보다 더 빠르다는 걸 깨달았는데,
아마 캐싱 때문이 아닐까 추측해본다.
게다가 아뿔싸, 이제 보니 stdin
을 import해놓고 정작 입력은 input()
으로 받고 있었다. 이런 어처구니 없는 실수를…
#!python
from sys import stdin, setrecursionlimit
setrecursionlimit(10 ** 6)
n, m, k = map(int, stdin.readline().split())
candy = list(map(int, stdin.readline().split()))
graph = [[] for _ in range(n)]
visited = [False for _ in range(n)]
loot, weight = [], []
# 그래프는 인접 리스트 형태로 구현했다.
for _ in range(m):
a, b = map(int, input().split()) # <- 여기 input()을 써버렸다! stdin.readline()을 쓰려고 했는데...
graph[a - 1].append(b - 1)
graph[b - 1].append(a - 1)
# 간단한 dfs 함수에 연결 요소의 노드 개수와 사탕 수를 더하는 코드를 추가했다.
def dfs(i):
weight[-1] += 1
loot[-1] += candy[i]
visited[i] = True
for suc in graph[i]:
if visited[suc]:
continue
dfs(suc)
# 전체 그래프를 순회하며 dfs를 수행한다.
for i in range(n):
if visited[i]:
continue
loot.append(0)
weight.append(0)
dfs(i)
# dp로 냅색 문제를 해결한다.
g = len(loot)
dp = [0 for _ in range(k)]
for i in range(g):
for j in range(k-1, -1, -1):
if weight[i] <= j:
dp[j] = max(dp[j], dp[j - weight[i]] + loot[i])
print(dp[-1])
문제 링크 문제 링크
개요 선형적인 자료구조에서는 값에 접근하는 데에 \(O(1)\)이면 충분하지만, 대신 부분합을 구하는 데에는 \(O(N)\)이 필요하다. 그렇다면 이 자료구조를 이진 트리로 구성하면 어떨까? 값에 접근하는 데에 걸리는 시간이 \(O(\lg N)\)으로 늘어나지만 대신 부분합을 구하...
개요 다익스트라 알고리즘과 함께 Single Sourse Shortest Path(SSSP) 문제를 푸는 알고리즘이다. 즉, 한 노드에서 다른 모든 노드로 가는 최단 경로를 구하는 알고리즘이다. 다익스트라 알고리즘보다 느리지만, 음수 가중치 간선이 있어도 작동하며, 음수 가중치 사...
개요 다익스트라 알고리즘은 Single Sourse Shortest Path(SSSP) 문제를 푸는 알고리즘 중 하나이다. 즉, 한 노드에서 다른 모든 노드로 가는 최단 경로를 구하는 알고리즘이다. 단, 다익스트라 알고리즘은 음수 가중치 엣지를 허용하지 않는다. 이 경우에는 벨만-...