개요

" 검색 문제를 해결하는 어떠한 알고리즘이라도 해당되며, 연속 변수나 이산 변수를 사용하여, 일부 데이터 구조 안에 저장된 정보를 검색하거나 문제 도메인의 검색 공간에서 계산을 하기 위해 사용된다 " - 위키백과 검색 알고리즘

이산변수 vs 연속변수

이산변수(discrete variable)란 떨어진 값을 갖게 할 수 있는 변수를 의미.
연속변수(continuous variable)란 변수의 각 값 사이에 무수히 많은 또 다른 값들이 존재하는 경우를 의미.

검색 문제 분류

제약만족문제(Constraint Satisfaction Problem)

: 문제의 해가 주어진 제약조건을 만족하는 형태로 정의되는 종류의 문제. 대표적인 문제로 4색 문제나 아인슈타인 문제 등이 이에 포함. 우선순위를 정하여 하나씩 변수에 값을 대입

트리탐색문제(Tree Search Problem)

: 그래프나 트리와 같은 자료구조로 구성되는 환경에서 목적지에 도달하기 위한 경로를 구하기 위한 문제

구성

최초시작점
해 평가
후행함수
선택 소요 비용

문제를 푸는 방법

F(s)=g(s)+h(s)

s는 각 상태를 말함.

F는 평가함수

g는 현재까지 지나쳐 온 행동들에 소모된 비용의 총 합

h는 추정치로서, 문제에서 추가적으로 주어진 정보를 통해서 얻을 수 있는 값

F(s)의 값이 제일 작은 s를 우선적으로 탐색하는 전략을 통해서 탁색을 수행하며, 알려져 있는 대부분의 전략은 저 수식의 어떤 방법으로 참조해서 활용하는가로 분류

종류

Uninformed 전략 - 추정치 h(s)를 배제한 전략. 추가적으로 주어진 정보가 없을 때
1. DFS
2. BFS
Informed 전략 - 추가적인 정보를 활용하여 허용 추정치를 산정하고 활용
1. 탐욕 알고리즘(Greedy Algorithmn) - g(s)를 무시하고 추정치만을 이용하여 탐색하기 때문에 최적해를 보장하지 않음.
2. A* 알고리즘
메타 전략 - 여러가지 알고리즘을 동시에 사용하거나 다른 접근방법을 이용

경쟁 문제

α-β Pruning

지역 탐색

CS
GPG
MADS
SPSA

광역 탐색

유전 알고리즘
PSO
공분산 행렬 이용 진화 전략

코딩테스트 출제 유형

알고리즘 유형 분석

SLiPP 스터디 > 7주차. 탐색알고리즘(Search algorithm) > image2020-10-21_19-32-26.png

출처: https://www.hanbit.co.kr/channel/category/category_view.html?cms_code=CMS7793635735

자주 출제되는 탐색알고리즘 유형

완전탐색(Brute-Force)
- 선형구조 - 순차탐색
- 비선형구조
  - 깊이 우선 탐색(DFS)
    - 사용 예
      - 여행경로
      - 이동 중 가중치 추가/ 제약 존재
  - 너비 우선 탐색(BFS)
    - 특징
      - 최소 비용 문제
      - 간선의 가중치가 1이다.
      - 정점과 간선의 개수가 적다. (시간 제약, 메모리 제한 내에 만족한다.)
    - 사용 예
      - 백준 1303. 전투
      - 네트워크
      - 최단 거리 구하기
      - 웹크롤링
      - 네트워크 브로드캐스트
      - 가비지 컬렉션

샘플 문제 풀이

문제 : 백준 1260. DFS와 BFS

import sys
input = sys.stdin.readline
from collections import deque

def dfs(graph, v):
    visited = {}
    stack = [v]

    while stack:
        n = stack.pop()
        if n not in visited:
            visited.setdefault(n)
            stack += reversed(graph[n])
    return visited

def bfs(graph, v):
    visited = {}
    queue = deque([v])
    
    while queue:
        n = queue.popleft()
        if n not in visited:
            visited.setdefault(n)
            queue += graph[n]
    return visited

n, m, v = map(int, input().split())

graph = {i:[] for i in range(1,n+1)}
for i in range(1, m+1):
    x, y = map(int, input().split())
    graph[x].append(y)
    graph[y].append(x)

for key in graph:
    graph[key].sort()

print(' '.join(list(map(str,dfs(graph, v)))))
print(' '.join(list(map(str,bfs(graph, v)))))



dfs : stack 이므로 reverse해서 넣어주고 위에서부터 꺼냄
bfs : queue 이므로 그대로 큐에 넣어줌

두개의 collection을 연결하는 경우 extend보다 +=이 더 빠르다고 함. (https://stackoverflow.com/questions/4176980/is-extend-faster-than)
setdefault(n) : 키값만 넣은 것. 해당키가 없으면 저장

출처: https://ebbnflow.tistory.com/236