Skip to content

Latest commit

 

History

History
167 lines (132 loc) · 8.86 KB

README.md

File metadata and controls

167 lines (132 loc) · 8.86 KB

Data Structure


배열과 연결 리스트

배열 (Array)

  • 메모리에 연속적으로 데이터를 저장하는 자료구조
  • 탐색 O(1): 인덱스를 사용해 Random Access 가능
  • 삽입/삭제 O(N): 삽입/삭제한 원소보다 큰 인덱스를 갖는 원소들을 Shift해야 함
  • 크기 고정적 (선언 시 지정한 크기 변경 불가): Immutable
  • Cache Locality가 좋아 Cache Hit 가능성이 큼

연결 리스트 (Linked List)

  • 메모리가 불연속적으로 배치된 자료구조
  • 다음 노드를 가리키는 주소인 포인터를 통해 접근하는 자료구조 (자료의 주소 값으로 서로 연결)
  • 탐색 O(N): 데이터 검색 시 처음 노드부터 순회하는 순차 접근
  • 삽입/삭제 O(1): 주소의 연결만 바꾸면 됨 -> 하지만, 삽입/삭제할 원소를 찾는 것에 O(N)이 걸림

배열 리스트와 연결 리스트 비교

  • 삽입/삭제가 많은 경우 -> LinkedList가 좋음
  • 데이터 접근이 많은 경우 -> Array가 좋음
해시테이블

해시 테이블

  • Key와 Value로 데이터를 저장하는 자료구조
  • key 값을 통해 해시 주소를 알아내어 평균적으로 탐색에 O(1)을 보장하는 자료구조
  • Key에 해시 함수를 적용해 고유한 인덱스(해시 값)를 생성하고, 이 인덱스를 활용해 값을 저장/검색
  • 실제 값이 저장되는 장소를 버킷(슬롯)이라고 함
  • 많은 데이터를 효율적으로 관리하기 위해 하드디스크나, 클라우드에 존재하는 무한한 데이터들을 유한한 개수의 해시값으로 매핑하면 작은 메모리로도 프로세스 관리가 가능해져서 사용함

해시 함수

  • 임의의 길이의 데이터를 수학적 연산을 통해 고정된 길이의 데이터로 매핑하는 함수
  • 해시 함수에 의해 얻어지는 값을 해시라고 함

해시 충돌과 해결 방법

  • 서로 다른 key가 같은 해시 값으로 변경되는 것
  • 같은 해시 값에 대해 데이터를 조회해 탐색에 최대 O(N) 가능
  • 체이닝: 추가 메모리를 사용해 버킷에 데이터를 연결 리스트로 관리
  • 개방 주소법: 기존의 비어있는 버킷의 공간을 활용
    • 선형 조사법(Linear Probing): 현재 버킷의 인덱스에서 고정 폭씩 이동하며 데이터를 버킷에 저장
    • 이차 조사법(Quadratic Probing): 현재 버킷의 인덱스에서 k^2(k=1, 2, ..)씩 이동하며 데이터를 버킷에 저장
    • 이중 해싱(Double Hashing Probing): 해싱된 값을 한번 더 해싱 -> 연산 증가
스택과 큐

스택 (Stack)

  • LIFO(Last In First Out) 방식으로 삽입되고 제거되는 최근성에 포커싱된 자료구조
  • Array로 구현하는 것이 좋음

큐 (Queue)

  • FIFO(First In First Out) 방식으로 삽입되고 제거되는 순차성에 포커싱된 자료구조
  • Linked List로 구현하는 것이 좋음
트리

트리

  • 사이클을 가지지 않는 그래프 (비선형 자료구조)
  • 부모 자식 관계를 갖는 계층적 구조를 갖는 자료구조
  • 이진 트리(Binary Tree): 최대 2개의 자식 노드들만 가질 수 있는 트리
  • 포화 이진 트리(Perfect Binary Tree): 각 레벨에 노드가 꽉 차있는 트리
  • 완전 이진 트리(Complete Binary Tree): 높이가 K인 트리에서 레벨 1~K-1까지 모두 채워져 있고 마지막 레벨에서는 왼쪽부터 순서대로 채워져 있는 트리
  • 이진 탐색 트리(Binary Search Tree): 탐색을 위해 만들어진 자료구조로 부모 노드의 키 값이 왼쪽 자식 노드의 키 값보다 크고 오른쪽 자식 노드의 키 값보다 작은 트리

트리 순회

  • 중위 순회: 왼 -> 루트 -> 오른
  • 전위 순회: 루트 -> 왼 -> 오른
  • 후위 순회: 왼 -> 오른 -> 루트
힙

힙

  • 완전 이진 트리의 일종으로 우선 순위 큐를 구현하기 위해 만들어진 자료구조
  • 최소값 또는 최대값을 쉽게 찾기 위한 자료구조 (이진 탐색 트리가 전체 노드를 탐색하기 위한 자료구조)
  • 힙은 중복 값 허용 (이진 탐색 트리는 중복값 허용X)
  • 부모 노드의 키 값이 자식 노드의 키 값보다 항상 큰/작은 완전 이진 트리로 힙은 자식 노드에도 구분 조건이 필요한 이진 탐색 트리보다 느슨한 정렬 상태를 유지

힙 (Heap)

  • 완전 이진 트리의 일종으로 우선 순위 큐를 구현하기 위해 만들어진 자료구조
  • 최소값 또는 최대값을 쉽게 찾기 위한 자료구조 (이진 탐색 트리가 전체 노드를 탐색하기 위한 자료구조)
  • 힙은 중복 값 허용 (이진 탐색 트리는 중복값 허용X)
  • 부모 노드의 키 값이 자식 노드의 키 값보다 항상 큰/작은 완전 이진 트리로 힙은 자식 노드에도 구분 조건이 필요한 이진 탐색 트리보다 느슨한 정렬 상태를 유지

최대 힙

  • 부모 노드의 키 값이 자식 노드의 키 값보다 크거나 같은 완전 이진 트리
  • 부모가 최대값

최소 힙

  • 부모 노드의 키 값이 자식 노드의 키 값보다 작거나 같은 완전 이진 트리
  • 부모가 최소값

시간 복잡도

  • 원소 삽입: O(logn)
    • 새로운 노드를 힙의 마지막 노드에 삽입 -> 새로운 노드를 부모 노드들과 교환
  • 원소 삭제: O(logn)
    • 루트 노드 삭제 -> 삭제된 루트에 힙의 마지막 노드를 가져옴 -> 재구성
이진 탐색 트리

이진 탐색 트리 (Binary Search Tree)

  • 노드의 왼쪽 서브 트리에는 그 노드의 값보다 작은 값들을 지닌 노드들로 구성, 오른쪽 서브 트리에는 그 노드의 값보다 큰 값들을 지닌 노드들로 구성
  • 중위 순회: 검색 시 내려가면서 해당 노드보다 찾는 값이 더 작으면 왼쪽에서 찾고, 찾는 값이 더 크면 오른쪽에서 찾음
  • 중복 값을 가지지 않음

이진 탐색 트리의 시간 복잡도

  • 탐색/삽입/삭제 평균 시간복잡도: O(logN)
  • 탐색/삽입/삭제 최악 시간복잡도: 한쪽으로만 삽입된 경우 O(N)
  • 시간복잡도는 트리의 Depth에 비례
  • 최악의 경우를 방지하는 방법: 자가 균형 트리(Balanced Tree)
    • AVL 트리: 왼쪽과 오른쪽 자식의 높이 차이가 1이하일 것을 요구, 삭제/추가 시에 재정렬(회전)을 통해 높이를 일정하게 유지, 레드 블랙 트리보다 엄격, 평균/최악 시간복잡도 O(logN)
    • 레드 블랙 트리: 모든 노드가 빨강 또는 검정의 색을 갖는 트리로 루트부터 리프까지의 최장 경로는 최단 경로의 두 배 이상이 될 수 없음, 루트부터 리프까지의 검은색 노드 수가 모드 같음, 삭제/추가 시에 재정렬과 색깔 재배치를 통해 규칙을 유지
그래프

그래프 (Graph)

  • 정점과 간선으로 이루어진 자료구조

구현 방법과 장단점

  • 인접 행렬 사용: 2차원 배열을 사용해 정점들의 연결관계를 파악하는 방법으로, 시간 복잡도 O(1)로 연결 관계를 파악할 수 있음, 정점과 엣지가 많을 경우 사용, 구현 간편, 공간 낭비
  • 인접 리스트 사용: 각 정점의 adjacent list를 통해서 연결 관계를 파악하는 방법으로, 정점들의 관계를 O(정점에 연결된 노드의 수)로 파악하는 방법, 정점과 엣지가 적을 경우 사용, 공간 낭비 적음, 탐색 시간이 느림, 구현 어려움
Cache Locality

Cache Locality

  • 시간 지역성: 최근에 접근한 데이터는 빠르게 다시 접근할 수 있음 (for, while 반복문)
  • 공간 지역성: 참조된 데이터 근처에 있는 데이터가 잠시 후에 사용될 가능성이 높음
    • 배열은 물리적으로 연속된 공간에 데이터를 저장하여 공간 지역성이 좋음
  • Cache hit: 지역성을 활용하기 위해 캐쉬에 저장해놓은 메모리에 CPU가 참조하고자 하는 메모리가 있다면 cahce hit, 반대는 cache miss