알고리즘 복잡도 (공간 복잡도)
이해하기 쉽고, 장황하지 않은 자료를 기반으로 강의를 진행합니다.
11. 참고: 공간 복잡도¶
- 알고리즘 계산 복잡도는 다음 두 가지 척도로 표현될 수 있음
- 시간 복잡도: 얼마나 빠르게 실행되는지
- 공간 복잡도: 얼마나 많은 저장 공간이 필요한지
좋은 알고리즘은 실행 시간도 짧고, 저장 공간도 적게 쓰는 알고리즘
- 통상 둘 다를 만족시키기는 어려움
- 시간과 공간은 반비례적 경향이 있음
- 최근 대용량 시스템이 보편화되면서, 공간 복잡도보다는 시간 복잡도가 우선
- 그래서! 알고리즘은 시간 복잡도가 중심
공간 복잡도 대략적인 계산은 필요함¶
- 기존 알고리즘 문제는 예전에 공간 복잡도도 고려되어야할 때 만들어진 경우가 많음
- 그래서 기존 알고리즘 문제에 시간 복잡도뿐만 아니라, 공간 복잡도 제약 사항이 있는 경우가 있음
- 또한, 기존 알고리즘 문제에 영향을 받아서, 면접시에도 공간 복잡도를 묻는 경우도 있음
Complexity:
- expected worst-case time complexity: O(N)
- expected worst-case space complexity: O(N)
현업에서 최근 빅데이터를 다룰 때는 저장 공간을 고려해서 구현을 하는 경우도 있음
1. 공간 복잡도 (Space Complexity)¶
- 프로그램을 실행 및 완료하는데 필요한 저장공간의 양을 뜻함
- 총 필요 저장 공간
- 고정 공간 (알고리즘과 무관한 공간): 코드 저장 공간, 단순 변수 및 상수
- 가변 공간 (알고리즘 실행과 관련있는 공간): 실행 중 동적으로 필요한 공간
- $ S(P) = c + S_p(n) $
- c: 고정 공간
- $ S_p(n) $: 가변 공간
빅 오 표기법을 생각해볼 때, 고정 공간은 상수이므로 공간 복잡도는 가변 공간예 좌우됨
2. 공간 복잡도 계산¶
- 공간 복잡도 계산은 알고리즘에서 실제 사용되는 저장 공간을 계산하면 됨
- 이를 빅 오 표기법으로 표현할 수 있으면 됨
공간 복잡도 예제1¶
- n! 팩토리얼 구하기
- n! = 1 x 2 x ... x n
- n의 값에 상관없이 변수 n, 변수 fac, 변수 index 만 필요함
- 공간 복잡도는 O(1)
공간 복잡도 계산은 실제 알고리즘 실행시 사용되는 저장공간을 계산하면 됨
본 자료와 같이 IT 기술을 잘 정리하여, 온라인 강의로 제공하고 있습니다
체계적으로 전문가 레벨까지 익힐 수 있도록 온라인 강의 로드맵을 제공합니다
In [1]:
def factorial(n):
fac = 1
for index in range(2, n + 1):
fac = fac * index
return fac
In [2]:
factorial(3)
Out[2]:
공간 복잡도 예제2¶
- n! 팩토리얼 구하기
- n! = 1 x 2 x ... x n
- 재귀함수를 사용하였으므로, n에 따라, 변수 n이 n개가 만들어지게 됨
- factorial 함수를 재귀 함수로 1까지 호출하였을 경우, n부터 1까지 스택에 쌓이게 됨
- 공간 복잡도는 O(n)
In [3]:
def factorial(n):
if n > 1:
return n * factorial(n - 1)
else:
return 1