Quick Selection
2020-1학기, 대학에서 ‘알고리즘’ 수업을 듣고 공부한 바를 정리한 글입니다. 지적은 언제나 환영입니다 :)
임의의 숫자 배열이 있을 때 $k$번째로 작은 값을 찾는 것을 <Selection>이라고 한다. 보통의 경우 배열을 정렬한 후에 $k$번째 값을 선택하면 되지만, 퀵 정렬을 쓴다면 평균 $O(n \log n)$ 최악의 경우 $O(n^2)$의 비용이 든다. 이번에 다룰 알고리즘은 정렬되지 않은 배열에서 $k$번째로 작은 값을 빠르게 찾는 <Quick Selection>이다. <Quick Selection>은 $O(n)$의 비용으로 $k$번재 값을 찾을 수 있다!
<Quick Selection>의 아이디어는 퀵 정렬과 정말 비슷하다! <Quick Selection>도 pivot을 고르고 left, center, right로 배열을 분할한다.
- input: a list $S$ of numbers and an integer $k$
- output: The $k$-th smallest elt in $S$
Choose a number $v$ from $S$, split $S$ into 3 sublists w.r.t. $v$.
이제 $S_L$, $S_v$, $S_R$의 크기를 기준으로 재귀 함수를 호출한다.
\[\text{selection}(S, k) = \begin{cases} \text{selection}(S_L, k) & \text{if} \quad k \le \left|S_L\right| \\ v & \text{if} \quad \left| S_L \right| < k \le \left|S_L\right| + \left|S_v\right| \\ \text{selection}(S_R, k - \left|S_L\right| -\left|S_v\right| ) & \text{if} \quad k > \left|S_L\right| + \left|S_v\right| \\ \end{cases}\]<Quick Selection> 알고리즘은 간단하지만 강력하다 👏
<Quick Selection>의 주요한 이슈는 기준이 되는 $v$ 값을 어떻게 잡느냐 이다. 만약 매 과정마다 $v$를 the smallest elt로 잡으면 최악의 케이스로 $O(n^2)$의 비용이 들게 된다.
\[T(n) = T(n-1) + O(n) = O(n^2)\]사실 좋은 pivot을 잡기 위한 더 많은 고찰들이 있지만 이번 포스트에서는 <Quick Selection>의 아이디어만 간단히 설명하고 넘어가도록 하겠다. pivot을 잘 잡게 되면 $O(n)$의 비용이 됨을 증명할 수 있다. 아래의 아티클에서 이 내용을 잘 다루고 있으니 더 궁금한 사람들에게 추천한다.
👉 Quick Selection 알고리즘
👉 Median of Medians 알고리즘
참고로 C++에서는 <Quick Selection>을 구현할 필요없이 nth_element() 함수를 사용하면 된다 🙌