[Hyun] Week 4 Solution Explanation

[WhiteHyun]

49. Group Anagrams

Complexities 📈

• Time Complexity: $O(n * m log m)$ (m = string length, n = string array's length)
• Space Complexity: $O(n)$

Explanation 📝

1. 처음 접근할 때 단순히 Set 타입으로 묶어 Dictionary의 key값으로 제공함
2. "good"과 "god"이 같이 묶이는 문제점을 발견
3. Set 대신에 정렬된 배열값을 key로 하여 Dictionary에 추가

• Test code

190. Reverse Bits

Complexities 📈

• Time Complexity: $O(1)$
• Space Complexity: $O(1)$

Explanation 📝

1. 처음에 두 가지의 접근 방식이 떠오름
   a. 2진수를 문자열로 변환 → 문자열을 거꾸로 변환 → prefix가 0이어서 축약된 길이만큼 suffix에 0을 확장 → 정수타입으로 변환 및 리턴
   b. 각 비트마다 쉬프트 연산(<<, >>)과 앤드 연산(&)을 활용하여 더하고 리턴
2. 전부 구현하고 시간차를 확인해보았으나, 32자리수를 처리하는 것에 대해 시간 계산은 유의미한 차이를 찾지 못함

• Test code

191. Number of 1 Bits

Complexities 📈

• Time Complexity: $O(1)$
• Space Complexity: $O(1)$

Explanation 📝

Results

• Swift에는 Int타입의 메서드로 nonzeroBitCount라는 프로퍼티가 존재함, 이는 Swift에서 자체 제공해주는 프로퍼티로, 실제 비트 중 1의 총 개수를 리턴함

• Swift에서 제공해주는 것을 사용하지 않을 경우도 구현하였고, 비교 결과 유의미한 차이는 존재하지 않았음

• Test code

268. Missing Number

Complexities 📈

• Time Complexity: $O(n)$
• Space Complexity: $O(1)$

Explanation 📝

Results

[0 ... n]에서 생략된 숫자를 구해야 함

1. 세 가지의 방법이 떠오름

   1. XOR로 풀이
   2. [0 ... n]의 총합과 주어진 숫자 배열의 총합을 빼는 풀이
   3. Set로 묶어서 차집합 연산

2. 전부 구현 후 시간 비교 결과, 짧은 풀이이기 때문에 실행 환경에 따라 속도가 달라졌음

• Test code

338. Counting Bits

Complexities 📈

• Time Complexity: $O(n)$
• Space Complexity: $O(n)$

Explanation 📝

Results

1. 처음에는 Swift에서 자체제공해주는 nonzeroBitCount 프로퍼티를 사용하여 풀이함

2. 하지만 dp로 풀이할 수 있다는 사실을 깨닫고 새롭게 풀이함

   1. 6(110)은 3(11)의 1의 개수 + 6(110)의 최하위 비트,
   2. 3(11)은 1(1)의 1의 개수 + 3(11)의 최하위 비트,
   3. ...
   • 즉 점화식은 아래와 같음

$$ a_n= \begin{cases} a_\frac{n}{2} + (n \land 1) \text{ for } n \geq 2 \\ a_1=1 \\ a_0=0 \end{cases} $$

3. LeetCode에서 주어진 테스트케이스로는 시간 계산이 어렵다고 판단하여 10_000_000의 값을 주고 풀이 속도 측정, dp 풀이가 확실히 빨랐음(어찌보면 당연한 거일 수도....)

• Test code

[leokim0922]

스위프트를 몰라서 정확히 이해는 안가지만 멋진 분석입니다 ㅎㅎ

[SamTheKorean]

여러 가지 접근법 공유까지 꼼꼼한 pr덕분에 많이 배웠습니다. 고생하셨습니다!