๋ชฉ๋ก๐Ÿฆฅ ์ฝ”ํ…Œ/์ด๊ฒƒ์ด ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋‹ค with python (41)

๐Ÿ˜Ž ๊ณต๋ถ€ํ•˜๋Š” ์ง•์ง•์•ŒํŒŒ์นด๋Š” ์ฒ˜์Œ์ด์ง€?

[์ด๊ฒƒ์ด ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋‹ค with Python]_18_DFS

220202 ์ž‘์„ฑ https://www.youtube.com/watch?v=1vLqC1rItM8&list=PLVsNizTWUw7H9_of5YCB0FmsSc-K44y81&index=18 1. DFS (Depth-First Search) : ๊นŠ์ด ์šฐ์„  ํƒ์ƒ‰ : ๊ทธ๋ž˜ํ”„์—์„œ ๊นŠ์€ ๋ถ€๋ถ„์„ ์šฐ์„ ์ ์œผ๋กœ ํƒ์ƒ‰ : ์Šคํƒ ์ž๋ฃŒ๊ตฌ์กฐ ( ์žฌ๊ท€ํ•จ์ˆ˜ ) ์ด์šฉ 1) ํƒ์ƒ‰ ์‹œ์ž‘ ๋…ธ๋“œ๋ฅผ ์Šคํƒ์— ์‚ฝ์ž…, ๋ฐฉ๋ฌธ ์ฒ˜๋ฆฌ ํ•จ 2) ์Šคํƒ์˜ ์ตœ์ƒ๋‹จ ๋…ธ๋“œ์— ๋ฐฉ๋ฌธํ•˜์ง€ ์•Š์€ ์ธ์ ‘ํ•œ ๋…ธ๋“œ๊ฐ€ ํ•˜๋‚˜๋ผ๋„ ์žˆ์œผ๋ฉด ๊ทธ ๋…ธ๋“œ๋ฅผ ์Šคํƒ์— ๋„ฃ๊ณ  ๋ฐฉ๋ฌธ ์ฒ˜๋ฆฌ ( ๋ฐฉ๋ฌธํ•˜์ง€ ์•Š์€ ์ธ์ ‘ ๋…ธ๋“œ ์—†์œผ๋ฉด ์Šคํƒ์—์„œ ์ตœ์ƒ๋‹จ ๋…ธ๋“œ ๊บผ๋‚ด๊ธฐ) 3) 2๋ฒˆ ๊ณผ์ •์„ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์—†์„ ๋•Œ๊นŒ์ง€ ๋ฐ˜๋ณต +) ๋™์ž‘ ์˜ˆ์‹œ - ์‹œ์ž‘ ๋…ธ๋“œ 1 : ๋ฒˆํ˜ธ๊ฐ€ ๋‚ฎ์€ ์ธ์ ‘ ๋…ธ๋“œ๋ถ€ํ„ฐ ! ๋ฐฉ๋ฌธ - 2, 3, 8 ์ค‘์—์„œ ๊ฐ€์žฅ ์ž‘..

[์ด๊ฒƒ์ด ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋‹ค with Python]_17_์žฌ๊ท€ ํ•จ์ˆ˜

220202 ์ž‘์„ฑ https://www.youtube.com/watch?v=gFpKGWdEE5g&list=PLVsNizTWUw7H9_of5YCB0FmsSc-K44y81&index=17 1. ์žฌ๊ท€ํ•จ์ˆ˜ (Recursive Function) : ์ž๊ธฐ ์ž์‹ ์„ ๋‹ค์‹œ ํ˜ธ์ถœํ•˜๋Š” ํ•จ์ˆ˜ : ์žฌ๊ท€ ํ•จ์ˆ˜๋ฅผ ํ˜ธ์ถœํ•ฉ๋‹ˆ๋‹ค -> ๋ฌธ์ž์—ด์„ ๋ฌดํ•œํžˆ ์ถœ๋ ฅ : ์–ด๋Š์ •๋„ ์ถœ๋ ฅํ•˜๋‹ค๊ฐ€ ์ดˆ๊ณผ ๋ฉ”์‹œ์ง€๊ฐ€ ์ถœ๋ ฅ : ๋ชจ๋“  ์žฌ๊ท€ ํ•จ์ˆ˜๋Š” ๋ฐ˜๋ณต๋ฌธ์„ ์ด์šฉํ•˜์—ฌ ๋™์ผํ•œ ๊ธฐ๋Šฅ ๊ตฌํ˜„ ๊ฐ€๋Šฅ! : ํ•จ์ˆ˜๋ฅผ ์—ฐ์†์ ์œผ๋กœ ํ˜ธ์ถœํ•˜๋ฉด ๋ฉ”๋ชจ๋ฆฌ ๋‚ด๋ถ€์— ์Šคํƒ ํ”„๋ ˆ์ž„์— ์Œ“์ž„ -> ์Šคํƒ ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ ๋Œ€์‹  ์žฌ๊ท€ ํ•จ์ˆ˜ ์ด์šฉํ•˜๊ธฐ๋„ ํ•จ! ex) ์žฌ๊ท€ํ•จ์ˆ˜ -> error ์ดˆ๊ณผ! def recursive_function() : print("์žฌ๊ท€ ํ•จ์ˆ˜ ํ˜ธ์ถœ") recursive_function() re..

[์ด๊ฒƒ์ด ์ฝ”๋”ฉ ํ…Œ์ŠคํŠธ๋‹ค with Python]_14_๊ตฌํ˜„

220131 ์ž‘์„ฑ https://www.youtube.com/watch?v=puH2p1CQEg4&list=PLVsNizTWUw7H9_of5YCB0FmsSc-K44y81&index=14 1. ๊ตฌํ˜„ (Implementation) : ๋จธ๋ฆฌ์†์— ์žˆ๋Š” ์•Œ๊ณ ๋ฆฌ์ฆ˜์„ ์†Œ์Šค์ฝ”๋“œ๋กœ ๋ฐ”๊พธ๋Š” ๊ณผ์ • : problem -> thinking -> solution : ์•Œ๊ณ ๋ฆฌ์ฆ˜ ๋ฌธ์ œ์—์„œ 2์ฐจ์› ๊ณต๊ฐ„์€ ํ–‰๋ ฌ (matrix) ๋กœ ์‚ฌ์šฉ๋จ : ์‹œ๋ฌผ๋ ˆ์ด์…˜ ๋ฐ ์™„์ „ ํƒ์ƒ‰ ๋ฌธ์ œ์—์„œ๋Š” 2์ฐจ์› ๊ณต๊ฐ„์—์„œ์˜ ๋ฐฉํ–ฅ ๋ฒกํ„ฐ ์ž์ฃผ ํ™œ์šฉ ์ƒํ•˜์ขŒ์šฐ : N X M ํฌ๊ธฐ์˜ ์ •์‚ฌ๊ฐํ˜• : 1 X 1 ํฌ๊ธฐ์˜ ์ •์‚ฌ๊ฐํ˜•์œผ๋กœ ๋‚˜๋ˆ„์–ด์ ธ ์žˆ์Œ : ๊ฐ€์žฅ ์™ผ์ชฝ ์œ„ ์ขŒํ‘œ๋Š” (1, 1), ๊ฐ€์žฅ ์˜ค๋ฅธ์ชฝ ์•„๋ž˜ ์ขŒํ‘œ๋Š” (N, N) : ์—ฌํ–‰๊ฐ€ A๋Š” ์ƒ, ํ•˜, ์ขŒ, ๋กœ ์ด๋™ (์‹œ์ž‘์€..