solutions

binary-tree-maximum-path-sum/haklee.py

@@ -0,0 +1,43 @@
+"""TC: O(), SC: O()
+
+
+아이디어:
+- 
+
+SC:
+- 
+
+TC:
+- 
+"""
+
+
+# Definition for a binary tree node.
+# class TreeNode:
+#     def __init__(self, val=0, left=None, right=None):
+#         self.val = val
+#         self.left = left
+#         self.right = right
+class Solution:
+    def maxPathSum(self, root: Optional[TreeNode]) -> int:
+        sol = [-1001]  # 노드의 최소값보다 1 작은 값. 현 문제 세팅에서 -inf 역할을 함.
+
+        def try_get_best_path(node):
+            if node is None:
+                # 노드가 비어있을때 경로 없음. 이때 이 노드로부터 얻을 수 있는 최대 경로 값을
+                # 0으로 칠 수 있다.
+                return 0
+
+            # 왼쪽, 오른쪽 노드로부터 얻을 수 있는 최대 경로 값.
+            l = max(try_get_best_path(node.left), 0)
+            r = max(try_get_best_path(node.right), 0)
+
+            # 현 노드를 다리 삼아서 양쪽 자식 노드의 경로를 이었을때 나올 수 있는 경로 값이
+            # 최대 경로일 수도 있다. 이 값을 현 솔루션과 비교해서 업데이트 해준다.
+            sol[0] = max(node.val + l + r, sol[0])
+
+            # 현 노드의 부모 노드가 `이 노드를 통해 얻을 수 있는 최대 경로 값`으로 사용할 값을 리턴.
+            return node.val + max(l, r)
+
+        try_get_best_path(root)
+        return sol[0]

graph-valid-tree/haklee.py

@@ -0,0 +1,139 @@
+"""
+아이디어:
+- 트리여야 하므로 엣지 개수가 n-1개여야 한다.
+- 엣지 개수가 n-1개이므로 만약 중간에 사이클이 있다면 트리가 연결이 안 된다.
+    - 연결이 안 되었으니 트리는 아니고... 몇 조각으로 쪼개진 그래프가 된다. 여튼, valid tree가
+      아니게 된다.
+    - spanning tree 만들 때를 생각해보자. 엣지 하나를 더할 때마다 노드가 하나씩 트리에 추가되어야
+      엣지 n-1개로 노드 n개를 겨우 만들 수 있는데, 중간에 새로운 노드를 추가 안하고 엄한 곳에
+      엣지를 써서 사이클을 만들거나 하면 모든 노드를 연결할 방법이 없다.
+    - 위의 예시보다 좀 더 일반적으로는 union-find 알고리즘에서 설명하는 union 시행으로도 설명이
+      가능하다. union-find에서는 처음에 n개의 노드들의 parent가 자기 자신으로 세팅되어 있는데,
+      즉, 모든 노드들이 n개의 그룹으로 나뉘어있는데, 여기서 union을 한 번 시행할 때마다 그룹이 1개
+      혹은 0개 줄어들 수 있다. 그런데 위 문제에서는 union을 엣지 개수 만큼, 즉, n-1회 시행할 수 있으므로,
+      만약 union 시행에서 그룹의 개수가 줄어들지 않는 경우(즉, 엣지 연결을 통해 사이클이 생길 경우)가
+      한 번이라도 발생하면 union 시행 후 그룹의 개수가 2 이상이 되어 노드들이 서로 연결되지 않아 트리를
+      이루지 못한다.
+"""
+
+"""TC: O(), SC: O()
+
+n은 주어진 노드의 개수, e는 주어진 엣지의 개수.
+
+아이디어(이어서):
+- union-find 아이디어를 그대로 활용한다.
+    - 나이브한 접근:
+        - union을 통해서 엣지로 연결된 두 집합을 합친다.
+        - find를 통해서 0번째 노드와 모든 노드들이 같은 집합에 속해있는지 확인한다.
+    - 더 좋은 구현:
+        - union 시행 중 같은 집합에 속한 두 노드를 합치려고 하는 것을 발견하면 False 리턴
+
+SC:
+- 
+
+TC:
+- 
+"""
+
+
+class Solution:
+    """
+    @param n: An integer
+    @param edges: a list of undirected edges
+    @return: true if it's a valid tree, or false
+    """
+
+    def valid_tree(self, n, edges):
+        # write your code here
+
+        # union find
+        parent = list(range(n))
+
+        def find(x):
+            if x == parent[x]:
+                return x
+
+            parent[x] = find(parent[x])
+            return parent[x]
+
+        def union(a, b):
+            pa = find(a)
+            pb = find(b)
+            parent[pb] = pa
+
+            # 원래는 값을 리턴하지 않아도 되지만, 같은 집합에 속한 노드를
+            # union하려는 상황을 판별하기 위해 값 리턴.
+            return pa == pb
+
+        if len(edges) != n - 1:
+            # 트리에는 엣지가 `(노드 개수) - 1`개 만큼 있다.
+            # 이 조건 만족 안하면 커팅.
+            return False
+
+        # 나이브한 구현:
+        # - 모든 엣지로 union 시행
+        # - find로 모든 노드가 0번 노드와 같은 집합에 속해있는지 확인
+
+        # for e in edges:
+        #     union(*e)
+
+        # return all(find(0) == find(i) for i in range(n))
+
+        # 더 좋은 구현:
+        # - union 시행 중 같은 집합에 속한 두 노드를 합치려고 하는 것을 발견하면 False 리턴
+        for e in edges:
+            if union(*e):
+                return False
+
+        return True
+
+
+"""TC: O(), SC: O()
+
+n은 주어진 노드의 개수, e는 주어진 엣지의 개수.
+
+아이디어(이어서):
+- union-find를 쓰면 union을 여러 번 시행해야 하는데 이 과정에서 시간을 많이 잡아먹는것 같다.
+- 트리를 잘 이뤘는지 확인하려면 한 노드에서 시작해서 dfs를 돌려서 모든 노드들에 도달 가능한지
+  체크하면 되는데, 이게 시간복잡도에 더 유리하지 않을까?
+
+SC:
+- 
+
+TC:
+- 
+"""
+
+
+class Solution:
+    """
+    @param n: An integer
+    @param edges: a list of undirected edges
+    @return: true if it's a valid tree, or false
+    """
+
+    def valid_tree(self, n, edges):
+        # write your code here
+        if len(edges) != n - 1:
+            # 트리에는 엣지가 `(노드 개수) - 1`개 만큼 있다.
+            # 이 조건 만족 안하면 커팅.
+            return False
+
+        adj_list = [[] for _ in range(n)]
+        for a, b in edges:
+            adj_list[a].append(b)
+            adj_list[b].append(a)
+
+        visited = [False for _ in range(n)]
+
+        def dfs(node):
+            visited[node] = True
+            for adj in adj_list[node]:
+                if not visited[adj]:
+                    dfs(adj)
+
+        # 한 노드에서 출발해서 모든 노드가 visted 되어야 주어진 엣지들로 트리를 만들 수 있다.
+        # 아무 노드에서나 출발해도 되는데 0번째 노드를 선택하자.
+        dfs(0)
+
+        return all(visited)

insert-interval/haklee.py

@@ -0,0 +1,61 @@
+"""TC: O(n), SC: O(1)
+
+n은 intervals로 주어진 인터벌의 개수.
+
+아이디어:
+- 주어진 인터벌들을 앞에서부터 순회하면서 새 인터벌(newInterval)과 겹치는지 보고,
+    - 겹치면 합친다. 합친 인터벌로 newInterval을 업데이트 한다.
+    - 안 겹치면 newInterval과 현재 확인 중인 인터벌(curInterval) 중에 필요한 인터벌을
+      결과 리스트에 넣어주어야 한다.
+- 안 겹치면,
+    - 이때, curInterval이 newInterval보다 앞에 있으면 이후 인터벌들 중 newInterval과 합쳐야 하는
+      인터벌이 존재할 수 있다. newInterval은 건드리지 않고 curInterval만 결과 리스트에 넣는다.
+    - curInterval이 newInterval보다 뒤에 있으면 newInterval을 결과 리스트에 더해주고, 그 다음
+      curInterval도 결과 리스트에 더해주어야 한다.
+        - 그런데 curInterval이 들어있는 리스트가 정렬되어 있으므로, 이후에 순회할 curInterval
+          중에는 더 이상 newInterval과 겹칠 인터벌이 없다. newInterval은 이제 더 이상 쓰이지
+          않으므로 None으로 바꿔준다.
+
+SC:
+- newInterval 값만 업데이트 하면서 관리. O(1).
+
+TC:
+- intervals에 있는 아이템을 순회하면서 매번 체크하는 시행이 O(1).
+- 위의 시행을 intervals에 있는 아이템 수만큼 진행하므로 O(n).
+"""
+
+
+class Solution:
+    def insert(
+        self, intervals: List[List[int]], newInterval: List[int]
+    ) -> List[List[int]]:
+        res = []
+        for curInterval in intervals:
+            if newInterval:
+                # 아직 newInterval이 None으로 변경되지 않았다.
+                if curInterval[1] < newInterval[0]:
+                    # cur, new가 겹치지 않고, curInterval이 더 앞에 있음.
+                    res.append(curInterval)
+                elif curInterval[0] > newInterval[1]:
+                    # cur, new가 겹치지 않고, newInterval이 더 앞에 있음.
+                    res.append(newInterval)
+                    res.append(curInterval)
+                    newInterval = None
+                else:
+                    # 겹치는 부분 존재. newInterval을 확장한다.
+                    newInterval = [
+                        min(curInterval[0], newInterval[0]),
+                        max(curInterval[1], newInterval[1]),
+                    ]
+            else:
+                # 더 이상 newInterval과 연관된 작업을 하지 않는다. 순회 중인
+                # curInterval을 결과 리스트에 더하고 끝.
+                res.append(curInterval)
+
+        if newInterval:
+            # intervals에 있는 마지막 아이템이 newInterval과 겹쳤을 경우 아직
+            # 결과 리스트에 newInterval이 더해지지 않고 앞선 순회가 종료되었을
+            # 수 있다. 이 경우 newInterval이 아직 None이 아니므로 리스트에 더해준다.
+            res.append(newInterval)
+
+        return res

maximum-depth-of-binary-tree/haklee.py

@@ -0,0 +1,29 @@
+"""TC: O(n), SC: O(h)
+
+h는 주어진 트리의 높이, n은 주어진 트리의 노드 개수.
+
+아이디어:
+특정 노드의 깊이는 `max(오른쪽 깊이, 왼쪽 깊이) + 1`이다. 이렇게 설명하자니 부모 노드의 깊이 값이
+자식의 깊이 값보다 더 큰 것이 이상하긴 한데... 큰 맥락에서 무슨 말을 하고 싶은지는 이해가 가능하다고
+본다.
+
+SC:
+- 호출 스택은 트리의 높이(...혹은 깊이)만큼 커진다. O(h).
+
+TC:
+- 모든 노드를 방문한다. O(n).
+"""
+
+
+# Definition for a binary tree node.
+# class TreeNode:
+#     def __init__(self, val=0, left=None, right=None):
+#         self.val = val
+#         self.left = left
+#         self.right = right
+class Solution:
+    def maxDepth(self, root: Optional[TreeNode]) -> int:
+        def get_depth(node: Optional[TreeNode]) -> int:
+            return max(get_depth(node.left), get_depth(node.right)) + 1 if node else 0
+
+        return get_depth(root)