[parkhojeong] WEEK 05 Solutions

[parkhojeong]

답안 제출 문제

• Best Time to Buy And Sell Stock #221
• Group Anagrams #236
• Encode and Decode Strings #238
• Implement Trie Prefix Tree #256
• Word Break #271

작성자 체크 리스트

• Projects의 오른쪽 버튼(▼)을 눌러 확장한 뒤, Week를 현재 주차로 설정해주세요.
• 문제를 모두 푸시면 프로젝트에서 Status를 In Review로 설정해주세요.
• 코드 검토자 1분 이상으로부터 승인을 받으셨다면 PR을 병합해주세요.

검토자 체크 리스트

Important

본인 답안 제출 뿐만 아니라 다른 분 PR 하나 이상을 반드시 검토를 해주셔야 합니다!

• 바로 이전에 올라온 PR에 본인을 코드 리뷰어로 추가해주세요.
• 본인이 검토해야하는 PR의 답안 코드에 피드백을 주세요.
• 토요일 전까지 PR을 병합할 수 있도록 승인해주세요.

[dalestudy]

📊 parkhojeong 님의 학습 현황

이번 주 제출 문제

문제	난이도	유형 분석
best-time-to-buy-and-sell-stock	Easy	✅ 의도한 유형
encode-and-decode-strings	Medium	✅ 의도한 유형
group-anagrams	Medium	✅ 의도한 유형
implement-trie-prefix-tree	Medium	✅ 의도한 유형
word-break	Medium	✅ 의도한 유형

누적 학습 요약

• 풀이한 문제: 20 / 75개
• 이번 주 유형 일치율: 100% (5문제 중 5문제 일치)

문제 풀이 현황

카테고리	진행도	완료
Array	■■■■□□□	6 / 10 (Medium 4, Easy 2)
Dynamic Programming	■■■□□□□	5 / 11 (Easy 1, Medium 4)
Heap	■■□□□□□	1 / 3 (Medium 1)
Matrix	■■□□□□□	1 / 4 (Medium 1)
Binary	■□□□□□□	1 / 5 (Easy 1)
String	■□□□□□□	2 / 10 (Easy 2)
Linked List	■□□□□□□	1 / 6 (Easy 1)
Tree	■□□□□□□	2 / 14 (Easy 1, Medium 1)
Graph	■□□□□□□	1 / 8 (Medium 1)
Interval	□□□□□□□	0 / 5 ← 아직 시작 안 함

---

🤖 이 댓글은 GitHub App을 통해 자동으로 작성되었습니다.

🔢 API 사용량 (gpt-5-nano)

요청	입력 토큰	출력 토큰	합계	비용
1	2,052	203	2,255	$0.000184
2	1,936	232	2,168	$0.000190
3	1,928	221	2,149	$0.000185
합계	5,916	656	6,572	$0.000558

[alphaorderly]

숫자길이를 고정값으로 하니까 파싱이 확실히 간단하고 쉬워지네요!
배워갑니다.

[alphaorderly]

추가 Node없이 할수 있다면 그렇게 하는게 더 좋지 않을까 싶어요!

[alphaorderly]

이 풀이 n이랑 m이 뭔지는 몰라도

1. dfs에 cache 안되어 있음
2. dfs 내부에 슬라이싱 사용
   때문에라도 O(m*n) 은 진짜 아닐거에요

다만 이거 trie 이용해서 비슷한 수준까지 최적화는 가능하세요!

[alphaorderly]

그리고 중간에 split을 하신것 때문에 이런 반례에 대해서는 해결 불가능하실거에요

[parkhojeong]

리뷰 감사합니다. 그러네요. 말씀하신 것처럼 놓치는 케이스가 있어서 split 사용하지 않고 다른 방식으로 풀어보았습니다. 8facb2e

[DaleSeo]

5문제 모두 푸시느라 고생 많으셨습니다! 생각해보실 만한 질문을 남겼습니다.

[dalestudy]

🏷️ 알고리즘 패턴 분석

• 패턴: Greedy, Two Pointers
• 설명: 단일 패스에서 매번 최소 가격을 추적하고 이익을 최대화하는 방식으로 최적해를 구한다. 가격 배열을 한 번만 순회하며 현재 가격과 최저구매가의 차를 비교해 이익을 갱신한다.

📊 시간/공간 복잡도 분석

ℹ️ 이 파일에는 9가지 풀이가 포함되어 있어 각각 분석합니다.

풀이 1: Solution.maxProfit — Time: O(n) / Space: O(1)

	복잡도
Time	O(n)
Space	O(1)

피드백: 한 번의 루프에서 현재 가격 대비 최소 가격과 누적 최대 이익을 갱신합니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 2: Codec.encode — Time: O(total_chars) / Space: O(total_chars)

	복잡도
Time	O(total_chars)
Space	O(total_chars)

피드백: 각 문자열 길이를 3자리로 고정해 파싱이 용이하게 구성되어 있습니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 3: Codec.decode — Time: O(total_chars) / Space: O(total_chars)

	복잡도
Time	O(total_chars)
Space	O(total_chars)

피드백: 인덱스 기반 파싱으로 전체 문자열을 순차적으로 읽습니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 4: Solution.groupAnagrams — Time: O(n * k log k) / Space: O(n * k)

	복잡도
Time	O(n * k log k)
Space	O(n * k)

피드백: 각 문자열을 정렬해 그룹화하므로 전체 시간은 각 문자열의 길이에 따라 달라집니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 5: Trie.insert — Time: O(m) / Space: O(m * sigma)

	복잡도
Time	O(m)
Space	O(m * sigma)

피드백: 단어 길이 m에 비례하는 시간과 노드 개수에 따른 공간을 사용합니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 6: Trie.findNode — Time: O(m) / Space: O(1)

	복잡도
Time	O(m)
Space	O(1)

피드백: 연속 탐색으로 최악에서도 선형적으로 진행됩니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 7: Trie.search — Time: O(m) / Space: O(1)

	복잡도
Time	O(m)
Space	O(1)

피드백: 끝 노드의 isLast를 확인해 정확한 단어 여부를 반환합니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 8: Trie.startsWith — Time: O(m) / Space: O(1)

	복잡도
Time	O(m)
Space	O(1)

피드백: 접두어 존재 여부는 findNode 호출로 판단합니다.

개선 제안: 현재 구현이 적절해 보입니다.

풀이 9: Solution.wordBreak — Time: O(n * w) / Space: O(n)

	복잡도
Time	O(n * w)
Space	O(n)

피드백: 단어 길이 조합에 따라 분기 폭이 커질 수 있지만, 재방문 방지를 위해 방문 집합을 사용합니다.

개선 제안: 현재 구현이 적절해 보입니다.

💡 풀이에 시간/공간 복잡도를 주석으로 남겨보세요!

[dalestudy]

🏷️ 알고리즘 패턴 분석

• 패턴: Greedy, Dynamic Programming, Hash Map / Hash Set, Two Pointers, Binary Search, Divide and Conquer, Backtracking, Sliding Window, Fast & Slow Pointers, BFS, DFS, Union Find, Trie, Bit Manipulation, Heap / Priority Queue, Monotonic Stack, Dynamic Programming
• 설명: 인코딩은 문자열 길이 앞에 고정 길이 포맷으로 저장하고, 디코딩은 이 고정 길이 포맷을 따라 문자열 길이를 읽고 잘라내는 방식으로 구현되어 있다. 이는 패턴상 고정 길이 포맷으로 데이터를 체계적으로 구분하는 아이디어에 해당하며, 주로 문자열 분리/구성에서의 규칙 기반 처리로 해석될 수 있다.

[dalestudy]

🏷️ 알고리즘 패턴 분석

• 패턴: Hash Map / Hash Set, Greedy, Divide and Conquer
• 설명: 문자열을 정렬한 값으로 키를 만들고 해시 맵에 그룹화하므로 Hash Map 패턴이 주로 사용됩니다. 각 문자열의 정렬 결과를 키로 묶어 같은 배열로 모으는 방식은 비의미적 최적화 없이 그룹화하는 간단한 해시 기반 해결책입니다.

[dalestudy]

🏷️ 알고리즘 패턴 분석

• 패턴: Trie, Hash Map / Hash Set
• 설명: Trie 구현으로 문자열의 접두사/완전 일치를 효율적으로 탐색합니다. 각 문자별 자식 노드로 구성되어 탐색과 삽입 시 최악 O(m) 시간, m은 단어 길이에 해당합니다. Hash Map은 자식 저장에 활용되어 빠른 조회를 돕습니다.

[dalestudy]

🏷️ 알고리즘 패턴 분석

• 패턴: Depth-First Search, Backtracking, Dynamic Programming
• 설명: DFS로 문자열 부분문제 해결을 시도하고 방문 기록으로 중복 탐색을 제거하는 방식이며, 부분 문자열이 사전에 있는지 확인하며 재귀적으로 남은 문자열에 대해 탐색한다. 이는 백트래킹 성격과 함께 부분 문제를 저장해 중첩 탐색을 감소시키는 DP의 아이디어가 내재되어 있다.