add solution: course-schedule

course-schedule/dusunax.py

@@ -0,0 +1,184 @@
+'''
+# 207
+참고 영상: https://www.youtube.com/watch?v=EgI5nU9etnU
+문제 풀이: https://www.algodale.com/problems/course-schedule/
+
+## 문제 정리
+👉 prerequisites란? 필수 선수 과목이다.  
+👉 방향성이 있는 연결 관계이므로, Directed Graph다.  
+👉 Cycle 발생 시, 코스를 이수할 수 없다.(서로 의존하는 순환이 있어서 끝없이 돌게 되는 경우)
+
+## 해결 방식 두가지
+1. BFS, Queue, Topological Sort: 위상 정렬
+2. DFS, Cycle Detection: 순환 탐지
+
+### 위상 정렬(Topological Sort) - BFS, Queue
+- 진입 차수(indegree): 노드로 들어오는 화살표 수
+- 그래프로 인접 리스트 구성
+- Queue에 넣기
+- Queue BFS 탐색
+- 모든 과목을 들었는지 확인
+
+### 순환 탐지(Cycle Detection) - DFS
+- 그래프로 인접 리스트 구성
+- 방문 상태 배열 초기화
+- dfs 함수
+- 모든 노드에 대해 dfs 실행
+
+## TC & SC
+- 시간 복잡도와 공간 복잡도는 O(V + E)로 동일하다.
+```
+V: 노드 수(과목 수)
+E: 간선 수(선수 과목 관계 수)
+```
+
+### TC is O(V + E)
+
+두 방법 모두, 그래프의 모든 노드와 간선을 한 번씩 확인함
+- BFS: 모든 V를 순회하면서, 각 노드에서 나가는 E를 따라가며 차수를 줄임
+- DFS: 모든 V를 순회하면서, 각 노드에서 연결된 E를 따라가며 깊이 탐색
+
+### SC is O(V + E)
+- O(V+E): V + E를 저장하는 인접 리스트 그래프
+- O(V)'s: 방문 상태 저장, 진입 차수 배열, BFS 큐, DFS 호출 스택
+
+## 위상정렬(BFS) vs 순환탐지(DFS)🤔
+
+### BFS를 사용했을 때
+- 반복문을 사용한 BFS가 indegree(진입차수) 개념이 보다 직관적이므로 => "순서대로 처리할 수 있는지 확인"할 때 명확하게 사용할 수 있다. 진입 차수가 0인 노드부터 시작해서 처리
+- 선수 과목을 다 들은 과목은 진입 차수가 0이 되므로 들어갈 수 있는 과목이라는 점이 명확함
+```
+키워드: 처리 순서를 출력, 순서대로 처리할 수 있는지
+```
+
+### DFS를 사용했을 때
+- DFS 순환 탐지는 "순환 여부"가 핵심일 때 자연스럽다.
+- 상태(Status)를 사용해서, 방문 중인 노드 상태를 다시 방문한다면 순환이 있음을 바로 알 수 있다.
+- 순환이 발견되면 바로 중단하므로, 순환 탐지에 자연스럽다.
+```
+키워드: 사이클이 있는지 판단
+```
+
+### +a) `@cache`를 활용해보자.
+- 파이선 3.9~ 메모이제이션 함수
+- 순수 함수 + 재귀 최적화에 사용 (외부 의존성, 부수효과에 주의할 것)
+'''
+from enum import Enum
+
+class Status(Enum): # use it to dfs
+    INITIAL = 1
+    IN_PROGRESS = 2
+    FINISHED = 3
+
+class Solution:
+    '''
+    1. BFS
+    위상 정렬
+    '''
+    def canFinishTopologicalSort(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
+        indegree = [0] * numCourses
+        graph = defaultdict(list)
+
+        for dest, src in prerequisites:
+            graph[src].append(dest)
+            indegree[dest] += 1
+
+        queue = deque([i for i in range(numCourses) if indegree[i] == 0])
+        processed_count = 0
+
+        while queue:
+            node = queue.popleft()
+            processed_count += 1
+            for neighbor in graph[node]:
+                indegree[neighbor] -= 1
+                if indegree[neighbor] == 0:
+                    queue.append(neighbor)
+
+        return processed_count == numCourses
+
+    '''
+    2. DFS
+    순환 탐지
+    '''
+    def canFinishCycleDetection(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
+        graph = defaultdict(list)
+
+        for dest, src in prerequisites:
+            graph[src].append(dest)
+
+        statuses = {i: Status.INITIAL for i in range(numCourses)}
+
+        def dfs(node):
+            if statuses[node] == Status.IN_PROGRESS:
+                return False
+            if statuses[node] == Status.FINISHED:
+                return True
+
+            statuses[node] = Status.IN_PROGRESS
+            for neighbor in graph[node]:
+                if not dfs(neighbor):
+                    return False
+            statuses[node] = Status.FINISHED
+            return True
+
+        return all(dfs(crs) for crs in range(numCourses))
+
+    '''
+    3. @cache
+
+    파이썬 3.9 이상에서 사용하는 메모이제이션 데코레이터
+    - 동일 입력 -> 동일 출력을 보장한다.
+    - 128개 까지만 저장하는 @lru_cache도 있다.
+    '''
+    def canFinishWithCache(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
+        graph = defaultdict(list)
+
+        for dest, src in prerequisites:
+            graph[src].append(dest)
+
+        traversing = set()
+
+        @cache
+        def dfs(node):
+            if node in traversing:
+                return False
+
+            traversing.add(node)
+            result = all(dfs(pre) for pre in graph[node])
+            traversing.remove(node)
+            return result
+
+        return all(dfs(node) for node in range(numCourses))
+
+    '''
+    4. visited과 함께 사용하기
+
+    @cache 데코레이터는 메모이제이션, 같은 입력값에 따라 같은 결과를 반환하게함
+    결과가 변하지 않을 때 유용함 => dfs(node)는 외부 상태 순환 traversing에 의존해서 동작이 달라질 수 있다.
+    따라서 visited set이 더 자연스러울 수 있다
+    '''
+    def canFinishWithVisited(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
+        graph = defaultdict(list)
+
+        for dest, src in prerequisites:
+            graph[src].append(dest)
+
+        traversing = set() 
+        visited = set()    
+
+        def dfs(node):
+            if node in traversing:
+                return False
+            if node in visited:
+                return True
+
+            traversing.add(node)
+            for pre in graph[node]:
+                if not dfs(pre):
+                    return False
+            traversing.remove(node)
+
+            visited.add(node) 
+            return True
+
+        return all(dfs(i) for i in range(numCourses))