Merge pull request #823 from pmjuu/main

[Lyla] Week 04

Author: lylaminju

coin-change/pmjuu.py

@@ -0,0 +1,25 @@
+from typing import List
+
+
+class Solution:
+    def coinChange(self, coins: List[int], amount: int) -> int:
+         # dp[i]: i 금액을 만들기 위해 필요한 최소 동전 개수
+        dp = [float('inf')] * (amount + 1)
+        dp[0] = 0
+
+        for i in range(1, amount + 1):
+            for coin in coins:
+                if coin <= i:
+                    dp[i] = min(dp[i], dp[i - coin] + 1)
+
+        return dp[amount] if dp[amount] != float('inf') else -1
+
+
+# 시간 복잡도:
+# - 외부 반복문은 금액(amount)의 범위에 비례하고 -> O(n) (n은 amount)
+# - 내부 반복문은 동전의 개수에 비례하므로 -> O(m) (m은 coins의 길이)
+# - 총 시간 복잡도: O(n * m)
+
+# 공간 복잡도:
+# - dp 배열은 금액(amount)의 크기만큼의 공간을 사용하므로 O(n)
+# - 추가 공간 사용은 없으므로 총 공간 복잡도: O(n)

merge-two-sorted-lists/pmjuu.py

@@ -0,0 +1,33 @@
+from typing import Optional
+
+
+class ListNode:
+    def __init__(self, val=0, next=None):
+        self.val = val
+        self.next = next
+        
+class Solution:
+    def mergeTwoLists(self, list1: Optional[ListNode], list2: Optional[ListNode]) -> Optional[ListNode]:
+        head = ListNode()
+        current = head
+
+        while list1 and list2:
+            if list1.val <= list2.val:
+                current.next = list1
+                list1 = list1.next
+            else:
+                current.next = list2
+                list2 = list2.next
+            
+            current = current.next
+
+        current.next = list1 or list2
+
+        return head.next
+    
+# 시간 복잡도:
+# - 두 리스트의 모든 노드를 순회하며 병합하므로 O(n + m) => O(n) 으로 표현
+#   여기서 n은 list1의 길이, m은 list2의 길이.
+#
+# 공간 복잡도:
+# - 기존 노드를 재사용하므로 O(1)

missing-number/pmjuu.py

@@ -0,0 +1,13 @@
+from typing import List
+
+
+class Solution:
+    def missingNumber(self, nums: List[int]) -> int:
+        n = len(nums)
+        # 0부터 n까지의 숫자의 합을 수학적 합 공식을 사용해 계산
+        total_sum = n * (n + 1) // 2
+
+        return total_sum - sum(nums)
+
+# 시간 복잡도 O(n)
+# 공간 복잡도 O(1)

palindromic-substrings/pmjuu.py

@@ -0,0 +1,60 @@
+# Dynamic programming
+class Solution:
+    def countSubstrings(self, s: str) -> int:
+        n = len(s)
+        dp = [[False] * n for _ in range(n)]  # dp[i][j]는 s[i:j+1]이 팰린드롬인지 나타냄
+        count = 0
+
+        for length in range(1, n + 1): # 부분 문자열 길이
+            for i in range(n - length + 1): # 시작 인덱스
+                j = i + length - 1 # 끝 인덱스
+
+                if length == 1:                 # 길이 1: 항상 팰린드롬
+                    dp[i][j] = True
+                elif length == 2:               # 길이 2: 두 문자가 같으면 팰린드롬
+                    dp[i][j] = (s[i] == s[j])
+                else:                           # 그 외의 경우: 양 끝이 같고 내부가 팰린드롬이면 참
+                    dp[i][j] = (s[i] == s[j] and dp[i + 1][j - 1])
+                
+                if dp[i][j]:
+                    count += 1
+
+        return count
+
+
+# 시간 복잡도:
+# - 이중 반복문으로 모든 부분 문자열을 확인하므로 O(n^2)
+# - 각 확인은 O(1)이므로 최종적으로 O(n^2)
+
+# 공간 복잡도:
+# - DP 테이블(dp)은 O(n^2)의 공간을 사용
+# - 추가 변수는 O(1)이므로 전체 공간 복잡도는 O(n^2)
+
+
+# 투 포인터 방식
+class Solution:
+    def countSubstrings(self, s: str) -> int:
+        def expand_around_center(left: int, right: int) -> int:
+            count = 0
+            # 좌우로 확장하며 팰린드롬인지 확인
+            while left >= 0 and right < len(s) and s[left] == s[right]:
+                count += 1
+                left -= 1
+                right += 1
+            return count
+
+        total_count = 0
+        for i in range(len(s)):
+            # 홀수 길이 팰린드롬 (중심이 문자 하나)
+            total_count += expand_around_center(i, i)
+            # 짝수 길이 팰린드롬 (중심이 문자 두 개)
+            total_count += expand_around_center(i, i + 1)
+
+        return total_count
+
+# 시간 복잡도:
+# - 각 문자에서 중심을 기준으로 확장하므로 최대 O(n) 확장
+# - 모든 문자에 대해 확장을 시도하므로 O(n^2)
+
+# 공간 복잡도:
+# - 추가 공간 사용 없이 O(1)

word-search/pmjuu.py

@@ -0,0 +1,106 @@
+from typing import List
+
+
+class Solution:
+    def exist(self, board: List[List[str]], word: str) -> bool:
+        n, m, word_length = len(board), len(board[0]), len(word)
+        
+        def search(row, col, word_idx, visited):
+            # 경계 체크
+            if not (0 <= row < n and 0 <= col < m):
+                return False
+            # 이미 방문했거나, 문자가 일치하지 않는 경우
+            if (row, col) in visited or board[row][col] != word[word_idx]:
+                return False
+            
+            # 모든 문자를 찾은 경우
+            if word_idx == word_length - 1:
+                return True
+
+            # 현재 셀을 방문한 것으로 표시
+            visited.add((row, col))
+
+            # 인접한 셀 확인
+            found = (
+                search(row - 1, col, word_idx + 1, visited) or
+                search(row + 1, col, word_idx + 1, visited) or
+                search(row, col - 1, word_idx + 1, visited) or
+                search(row, col + 1, word_idx + 1, visited)
+            )
+            # 현재 셀 방문 해제 (백트래킹)
+            visited.remove((row, col))
+
+            return found
+
+        # 모든 셀에서 탐색 시작
+        for row in range(n):
+            for col in range(m):
+                if board[row][col] == word[0]:
+                    if search(row, col, 0, set()):
+                        return True
+        
+        return False
+
+# 풀이 1: 방문 기록을 Set으로 관리하는 방식
+# 시간 복잡도:
+#   - 각 셀에서 DFS를 시작하며, 각 DFS는 최대 네 방향으로 이동하며 word의 길이만큼 재귀 호출을 진행함.
+#   - 최악의 경우 O(n * 4^k), 여기서 n은 전체 셀의 개수, k는 word의 길이.
+# 공간 복잡도:
+#   - visited Set 사용: O(k), 여기서 k는 word의 길이.
+#   - 재귀 호출 스택: O(k), word의 길이만큼 재귀 호출이 쌓임.
+#   => 총 공간 복잡도: O(k)
+
+
+class Solution:
+    def exist(self, board: list[list[str]], word: str) -> bool:
+        n, m = len(board), len(board[0])
+        word_length = len(word)
+        
+        # 조기 종료: board에 word를 구성할 충분한 문자가 있는지 확인
+        from collections import Counter
+        board_counter = Counter(char for row in board for char in row)
+        word_counter = Counter(word)
+        if any(word_counter[char] > board_counter[char] for char in word_counter):
+            return False
+
+        def search(row, col, idx):
+            # 기본 조건: 모든 문자가 일치한 경우
+            if idx == word_length:
+                return True
+            
+            # 경계 조건 및 문자 일치 여부 확인
+            if row < 0 or row >= n or col < 0 or col >= m or board[row][col] != word[idx]:
+                return False
+            
+            # 현재 셀을 방문한 것으로 임시 표시
+            temp = board[row][col]
+            board[row][col] = "#"
+            
+            # 모든 방향 탐색
+            found = (
+                search(row - 1, col, idx + 1) or
+                search(row + 1, col, idx + 1) or
+                search(row, col - 1, idx + 1) or
+                search(row, col + 1, idx + 1)
+            )
+            
+            # 탐색 후 셀 복원
+            board[row][col] = temp
+            return found
+
+        # 첫 번째 문자와 일치하는 모든 셀에서 DFS 시작
+        for i in range(n):
+            for j in range(m):
+                if board[i][j] == word[0] and search(i, j, 0):
+                    return True
+        
+        return False
+
+# 풀이 2: Board를 직접 수정해 방문 기록 관리
+# 시간 복잡도:
+#   - 각 셀에서 DFS를 시작하며, 최대 네 방향으로 이동하며 word의 길이만큼 재귀 호출을 진행함.
+#   - 최악의 경우 O(n * 4^k), 여기서 n은 전체 셀의 개수, k는 word의 길이.
+# 공간 복잡도:
+#   - 추가 공간 사용 없이 Board를 직접 수정: O(1).
+#   - 재귀 호출 스택: O(k), word의 길이만큼 재귀 호출이 쌓임.
+#   => 총 공간 복잡도: O(k)