Dynamic Programming Algorithm
DP
- 다이나믹 프로그래밍은 메모리를 적절히 사용하여 수행 시간 효율성을 비약적으로 향상시키는 방법입니다.
- 이미 계산된 결과(작은 문제)는 별도의 메모리 영역에 저장하여 다시 계산하지 않도록 합니다.
- 다이나믹 프로그래밍의 구현은 일반적으로 두 가지 방식(탑다운과 보텀업)으로 구성됩니다
DP 조건
- 최적 부분 구조 (Optimal Substructure)
- 큰 문제를 작은 문제로 나눌 수 있으며 작은 문제의 답을 모아서 큰 문제를 해결할 수 있습니다.
- 중복되는 부분 문제 (Overlapping Subproblem)
- 동일한 작은 문제를 반복적으로 해결해야 합니다.
문제 예시
메모이제이션 (Memoization)
- 메모이제이션은 다이나믹 프로그래밍을 구현하는 방법 중 하나입니다.
- 한 번 계산한 결과를 메모리 공간에 메모하는 기법입니다.
- 같은 문제를 다시 호출하면 메모했던 결과를 그대로 가져옵니다.
- 값을 기록해 놓는다는 점에서 캐싱(Caching)이라고도 합니다.
Top Down VS Bottom Up
- Top Down(Memoization)은 하향식
- Bottom Up은 상향식
DP Top Down 재귀 함수 코드
function dp(){
}
d = new Array(100).fill(0);
function fibo(x) {
if (x == 1 || x == 2) {
return 1;
}
if (d[x] != 0) {
return d[x];
}
d[x] = fibo(x - 1) + fibo(x - 2);
return d[x];
}
DP vs 분할 정복
- 공통점 - DP, 분할 정복 모두 최적 부분 구조를 가질 때 사용
- 차이점 - DP, 분할 정복은 부분 문제의 중복
- DP는 각 부분 문제들이 서로 영향을 미치며 부분 문제가 중복
- 분할 정복문제에서는 동일한 부분 문제가 반복적으로 계산되지 않는다.