SpatialComplexity.md

Spatial Complexity

• 알고리즘 계산 복잡도는 다음 두 가지 척도로 표현될 수 있음
  • 시간 복잡도 : 얼마나 빠르게 실행되는지
  • 공간 복잡도 : 얼마나 많은 저장 공간이 필요한지

좋은 알고리즘은 실행 시간도 짧고, 저장 공간도 적게 쓰는 알고리즘

• 통상 둘 다를 만족시키기는 어려움
  • 시간과 공간은 반비례적 경향이 있음
  • 최근 대용량 시스템이 보편화되면서, 공간 복잡도보다는 시간 복잡도가 우선
  • 알고리즘은 시간 복잡도가 중심

공간 복잡도 대략적인 계산은 필요함

• 기존 알고리즘 문제는 예전에 공간 복잡도도 고려되어야할 때 만들어진 경우가 많음
• 그래서 기존 알고리즘 문제에 시간 복잡도뿐만 아니라, 공간 복잡도 제약 사항이 있는 경우가 있음
• 또한, 기존 알고리즘 문제에 영향을 받아서, 면접시에도 공간 복잡도를 묻는 경우도 있음

문제 예시(조건)

Complexity(복잡도) : - expected worst-case time complexity(예상되는 최악의 경우 시간 복잡성) : O(N) - expected worst-case space complexity(예상되는 최악의 공간 복잡성) : O(N)

현업에서 최근 빅데이터를 다룰 떄는 저장 공간을 고려해서 구현을 하는 경우도 있음

공간 복잡도 (space complexity)

• 프로그램을 실행 및 완료하는데 필요한 저장공간의 양을 뜻함
• 총 필요 저장 공간
  • 고정 공간(알고리즘과 무관한 공간) : 코드 저장 공간, 단순 변수 및 상수
  • 가변 공간(알고리즘 실행과 관련있는 공간) : 실행 중 동적으로 필요한 공간
  • c : 고정 공간
  • S_p(n) : 가변 공간

공간 복잡도 계산

• 공간 복잡도는 알고리즘에서 실제 사용되는 저장 공간을 계산하면 됨
  • 이를 빅 오 표기법으로 표현

공간 복잡도 예제_1

• n! 팩토리얼 구하기
  • n! = 1 * 2 * ... * n
• n의 값에 상관없이 변수 n, 변수 fac, 변수 index 만 필요함
• 공간 복잡도는 O(1)

  공간 복잡도 계산은 실제 알고리즘 실행시 사용되는 저장공간을 계산

def factorial(n):
    fac = 1
    for index in range(2, n + 1):
        fac = fac * index
    return fac

공간 복잡도 예제_2

• n! 팩토리얼 구하기
  • n! = 1 * 2 * ... * n
• 재귀함수를 사용하였으므로, n에 따라 변수 n이 n개가 만들어짐
  • factorial 함수를 재귀함수로 1까지 호출하였을 경우 n부터 1까지 스택에 쌓임
• 공간 복잡도는 O(n)

def factorial(n):
    if n > 1:
        return n * factorial(n - 1)
    else:
        return 1