이번 포스팅에서는 그래프 자료구조의 탐색에 대해서 알아보자. 이전 포스팅에서 배열 / 리스트 형태의 자료구조에 대한 탐색 방법을 알아보았으니 관련 포스팅은 아래 링크를 참고
배열 / 리스트 탐색 : 링크
그래프 자료구조 : 링크
너비 우선 탐색 (BFS) : 링크
1. 그래프 탐색
이전 포스팅의 내용을 잠시 복습해보자.
그래프는 기본적으로 각 정점들이 어떠한 연관 관계를 갖고 있는지를 나타내는 자료구조 이다. 그래프는 가장 기본적이고 유연한 구조로 관계를 나타낼 수 있다. 많은 문제들 중 그래프로 해결 가능한 문제가 50% 정도 된다고 이야기하는 엔지니어도 있다. (참고)
해결 가능한 문제들의 예시를 대충 알아보자. 어떠한 것들이 특히 해결이 가능할까?
ⓐ 네트워크 : 우리가 사용하는 컴퓨터는 인터넷으로 연결된다. 각 컴퓨터나 네트워크 장비를 정점(vertex , node)로 연결을 간선(edge)로 본다면 그래프로 표현이 가능하다.
ⓑ 경로 찾기 : 특정 위치 간 가장 짧은 경로 / 긴 경로를 그래프를 이용해 찾을 수 있다. 구글 맵 또한 이러한 응용을 한 것이며, 게임 내 NPC 등의 모델도 이를 통해 움직임이 구현된다.(이외 GPS, High Frequency Trading 등에도 활용)
ⓒ 순서 확인 : 특정 정점을 할 일이라고 본다면 그에 대한 연결을 통해 순서를 지정할 수 있다.(위상 정렬 예시)
ⓓ 연결성 확인 : 전자 회로 내 특정 회로가 상호 연결되어 있는지 확인하는 경우 등에 사용
이러한 문제들을 해결하는데 그래프를 어떻게 활용할 것인가? 이번 포스팅에서는 우선 그래프를 탐색하는 방법에 대해서 알아보자.
그래프 탐색에는 대표적으로 너비 우선 탐색(BFS, Breadth First Search), 깊이 우선 탐색(DFS, Depth First Search)가 있다. 여기서는 깊이 우선 탐색(DFS)을 알아보자.
2. 깊이 우선 탐색(DFS, Depth First Search)
깊이 우선 탐색은 가장 쉽게 비교할 수 있는 것은 이전 포스팅의 트리(Tree) 구조의 순회(in/pre/post Order) 이다.
그래프도 비슷한 방식으로 동작한다고 보면 되는데, 최초 시작 정점에서 가장 먼저 이어져 있는(간선으로 연결된) 정점을 하나 찾고 해당 정점에 또 인접한 정점을 찾아 더 이상 깊이 갈 수 없을 때까지 탐색한 뒤 돌아오는 방식이다.
트리와의 큰 차이점은, 그래프는 순환(Cycle)할 수 있다는 것이다. 그래서, 순환 탐지(Cycle Detection)를 할 수 있도록 추가적인 기능을 구현해야 한다는 것이다.
BFS와의 큰 차이점은, DFS는 탐색을 한 뒤 이전의 정점으로 돌아온다는 것이다. 이것을 백트래킹(Backtracking)이라고 한다. 이것을 이용하여 다양한 문제에 활용할 수 있다.(이에 대해서는 추후 포스팅)
① 그림으로 알아보기
깊이 우선 탐색을 이해하기 위해 아래의 애니메이션을 살펴보자.
위의 애니메이션을 보면 0번에서 1, 2로 이동한 뒤 2에서 더 이상 깊이 갈 수 없어 2를 탐색 완료 후, 1로 돌아온다. 다시 1에서 3, 4로 더 깊이 들어갔다가 나오는 방식을 반복한다.
말 그대로, 깊이 갈 수 있을 때까지 탐색하고 더 이상 탐색이 불가하면 되돌아오는 방식이다.
② DFS를 사용하는 예시
그래프의 순환이 있는지 확인하는 경우 많이 쓰인다. BFS로도 가능하지만 DFS가 더 메모리 효율적이다. 기타 경로 찾기, 위상 정렬, 미로 찾기 등등 다양한 예시에 사용될 수 있다.
하지만 최단 경로를 찾을 때는 BFS를 기반으로 탐색해야 한다.. BFS는 최단 경로를 즉각적으로 보장해주면서 탐색을 할 수 있지만 DFS는 그렇지 못한 경우가 있기 때문이다. (BFS 포스팅 참조)
아래 예시를 보자.
만약 우리가 주황색으로 칠해진 곳에서 빨간색으로 칠해진 곳으로 가고자 한다고 할 때, 유일한 경로는 파란 화살표와 빨간 화살표가 있을 수 있다.(다른 것도 가능하지만 대표적으로)
그럼 BFS로 탐색을 하면 빨간 부분, 파란 부분 인접 정점을 동시에 차례 대로 탐색을 하게 되며 시작점이 고정이라서 무조건 모든 인접 정점이 최소의 경우로만 이동하도록 보장이 된다.
그래서 BFS로 탐색 시, 원하는 위치에 도달했다면 추가 탐색을 그만두어 빠르게 문제를 해결할 수 있게 된다.
그런데 DFS로 탐색을 하면, 상단의 빨간색 부분 부터 우선 탐색이 이루어질 수 있다. 하지만 이 경로는 최소 경로라는 보장이 불가능하다! 실제 위의 예시에서는 최소 경로가 아니다.
보장을 하기 위해서는 이미 방문한 경로의 정점을 미 방문 상태로 전환하고 다른 모든 동일 위치에 도달할 수 있는 경우를 체크해야 하는데, 그것은 DFS가 아니라 Brute Force 방법이 된다. 그러면 문제를 푸는데, 시간복잡도가 높아져 문제를 풀 수 없게 된다.
(DFS, BFS는 기본적으로 이미 방문한 정점을 다시 방문하지 않아야 함!)
③ 구현 방법
스택 또는 재귀 방식을 이용하여 구현할 수 있다. 관련 내용은 여기 참조. ( 스택 없이 인접 행렬을 통해 구현도 가능 여기 참조)
스택은 FILO(First-In, Last-Out) 방식이기 때문에 인접한 정점이 우선이 아닌 더 멀리 있는(인접 정점의 끝) 정점을 우선 탐색한 뒤 돌아올 수 있다. 큐는 FIFO라서 인접 정점을 우선하여 탐색하므로 쓸 수 없다. 큐는 BFS에 사용
재귀 방식으로 진행하는 것 또한 가능하다. 재귀 자체가 내부적으로 Stack을 사용하는 방식이기 때문이다. 둘 중에선 재귀 방식이 더 많이 쓰인다. 더욱 구현이 간단하기 때문이다.
시간복잡도 : O(V+E), V는 정점 / E는 간선의 개수로 그 개수에 따라 전체 탐색에 시간이 소요된다.(인접 행렬은 O(V^2))
공간복잡도 : O(V), 최악의 경우, 정점이 1열로 이어져 전체 정점의 수 만큼 스택이 쌓일 수 있다.
④ 코드
재귀방식과 스택 사용 방식을 모두 구현하여 살펴보자.
아래와 같이 구현할 수 있다. 주석 내용을 확인하며 코드를 이해하면 쉽게 이해할 수 있다.
pacakge com.test;
import java.util.Iterator;
import java.util.LinkedList;
import java.util.Stack;
public class Graph {
public static void main(String[] args){
Graph g = new Graph(6);
g.addEdge(0, 1); // 0 -> 1 연결
g.addEdge(0, 5); // 0 -> 5 연결
g.addEdge(1, 2); // 1 -> 2 연결
g.addEdge(1, 3); // 1 -> 3 연결
g.addEdge(1, 4); // 1 -> 4 연결
g.addEdge(2, 0); // 2 -> 0 연결
g.addEdge(3, 4); // 3 -> 4 연결
g.addEdge(4, 2); // 4 -> 2 연결
g.dfs();
}
private int v; // 정점의 개수
private LinkedList<Integer> adj[]; // 인접 리스트
public Graph(int v){
this.v = v;
this.adj = new LinkedList[v];
for(int i=0; i < v; i++){
adj[i] = new LinkedList<>();
}
}
// Source 정점에서 Dest 정점을 이어주는 메소드
public void addEdge(int s, int d){
this.adj[s].add(d);
}
// DFS를 수행하는 메소드
public void dfs(){
// 전체 정점이 최초에는 visited를 false 설정
boolean visited[] = new boolean[this.v];
// 반복문 기반으로 Disconnected Graph라도 전체 탐색이 가능
// 재귀 기반 DFS 수행 시작
for(int i=0; i < this.v; i++){
if(!visited[i]){
dfs_recurvise(i, visited);
}
}
System.out.println();
// 스택 기반 수행을 위해 다시 false로 초기화
visited = new boolean[this.v];
// 스택 기반 DFS 수행 시작
for(int i=0; i < this.v; i++){
if(!visited[i]){
dfs_stack(i, visited);
}
}
}
// DFS 재귀 수행 메소드
public void dfs_recurvise(int v, boolean visited[]){
visited[v] = true;
System.out.print(v + " ");
// 방문하지 않은 인접 정점을 모두 찾아 우선 탐색 수행
Iterator<Integer> i = this.adj[v].listIterator();
while(i.hasNext()){
int n = i.next();
if(!visited[n]){
dfs_recurvise(n, visited);
}
}
}
// DFS 스택 수행 메소드
public void dfs_stack(int start, boolean visited[]){
Stack<Integer> stack = new Stack<>();
stack.push(start);
while(!stack.isEmpty()){
int v = stack.pop();
System.out.print(v + " ");
// 방문하지 않은 인접 정점을 모두 찾아 우선 탐색 수행
Iterator<Integer> i = this.adj[v].listIterator();
while(i.hasNext()){
int n = i.next();
if(!visited[n]){
visited[n] = true;
stack.push(n);
}
}
}
}
}
/*결과
0 1 2 3 4 5
0 5 1 4 3 2
Process finished with exit code 0
결과가 아래가 다른 이유는 print 시점 때문
재귀는 탐색 시에 print하고 스택 시에는 stack에서 뺄 때 print함
중요한 것은 모든 것이 탐색 되느냐로 본다.
*/
⑤ 방향 그래프 순환 탐지 하기
DFS를 통해서 순환을 탐지하기 위해서는 어떻게 할까?
DFS에서는 Back Edge가 있으면 순환이 있다고 본다. Back Edge는 자기 자신을 가리키거나(self-loop) 자신의 이전 정점(조상 정점)을 가리키는 경우의 Edge(간선)을 의미한다.
아래의 그래프를 예시로 보자.
여기서 2에서 시작한다고 가정하면 여기서 Back Edge는 1 → 2를 가리키는 것과, 3이 자신을 가리키는 것, 그리고 0이 2를 가리키는 것의 3개가 Back Edge가 된다.
따라서 이 그래프는 순환 한다고 볼 수 있게 된다. 이를 구현하기 위한 알고리즘은 다음과 같다.
⒜ 재귀 DFS를 수행할 때, 각 정점의 index와 방문 여부 배열(visited), 재귀 stack을 전달한다.
⒝ 현재 정점을 visited = true로 하고 현재 정점을 재귀 stack에 넣는다.
⒞ 인접한 모든 미 방문 상태의 정점을 찾고 재귀적으로 함수를 수행한다.(재귀 함수가 true 반환 시 return)
⒟ 만약 현재 방문 정점이 재귀 stack에 있다면 순환 발생. true를 반환
⒠ 이 전체를 구현하기 위한 wrapper 클래스를 구현하여 순환 발생 시 true를 리턴한다.
아래는 방향 그래프의 Cycle을 찾는 알고리즘을 DFS로 구현한 코드이다.
package com.test;
import java.util.LinkedList;
public class CycleDetection {
public static void main(String[] args){
Graph g = new Graph(4);
g.addEdge(0, 1);
g.addEdge(0, 2);
g.addEdge(1, 2);
g.addEdge(2, 0);
g.addEdge(2, 3);
g.addEdge(3, 3);
if(g.isCycle()){
System.out.println("Cycle Detected!");
} else {
System.out.println("No Cycle!");
}
}
static class Graph{
int v; // 정점의 개수
LinkedList<Integer>[] adj; // 인접 리스트 방식으로 구현
// 그래프 생성하는 생성자
public Graph(int v){
this.v = v;
this.adj = new LinkedList[v];
for(int i=0; i < this.v; i++){
adj[i] = new LinkedList<>();
}
}
// 간선 추가
public void addEdge(int s, int d){
this.adj[s].add(d); // S -> D 로 방향 그래프 생성
}
// 재귀를 직접 수행하지는 않는 Wrapper 클래스
public boolean isCycle(){
// 현재 방문 완료된 내역
boolean[] visited = new boolean[this.v];
// 현재 recStack에 있다는 것은 방문 진행 중이라는 의미임!(방문 완료 아님)
// 즉, beingVisited와 동일한 의미
boolean[] recStack = new boolean[this.v];
// Disconnected를 대비하여 모든 정점에서 시작
for(int i=0; i < this.v; i++){
if(isCycleUtil(i, visited, recStack)){
return true;
}
}
return false;
}
// 직접 재귀를 수행하여 Cycle을 찾는 클래스
public boolean isCycleUtil(int i, boolean[] visited, boolean[] recStack){
// 이미 현재 Stack에 있다면 방문 중이라는 의미! Cycle 있음
if(recStack[i]){
return true;
}
// 방문 완료된 경우에는 되돌아감
if(visited[i]){
return false;
}
visited[i] = true;
recStack[i] = true;
for(int v : this.adj[i]){
// 순환이 발생했다면 true 반환
if(isCycleUtil(i, visited, recStack)){
return true;
}
}
// 방문이 끝났으면 방문 중인 상태에서는 제외함
recStack[i] = false;
return false;
}
}
}
// 결과
// Cycle Detected!
⑥ 무방향 그래프 순환 탐지하기
무방향 그래프는 상호 연결되어 있기 때문에 방향 그래프에서 순환 탐지 하듯이 탐지를 시도하면 무조건 순환이 있는 것으로 탐지된다.
따라서 다른 방법을 사용 해야 한다. 방법은 아래와 같다.
⑴ 그래프를 만들고 재귀 형태로 탐색하는 함수를 생성하여 현재 정점, 방문 여부 배열, 재귀, parent 배열을 전달한다.
- parent는 현재 노드와 이어진 이전에 탐색된 노드가 저장된 배열
⑵ 현재 탐색 정점을 방문 완료로 표시하고 parent를 이전 정점으로 저장
⑶ 현재 정점에 이어진 인접 정점을 모두 차례로 탐색 수행한다.
⑷ 인접 정점이 아직 미방문 상태라면 재귀 호출을 하여 그 결과를 받아 반환
⑸ 인접 정점이 기 방문 상태이며 parent가 현재 정점 값이 아니라면 순환 있음으로 결과값 반환
위 ⑸를 좀 설명하자면, 아래와 같다.
인접 정점의 parent가 현재 정점인 경우, 현재를 A, 인접을 B정점이라고 할 때, A방문 후, B에서 다시 A를 방문했다는 의미이므로, 무방향 그래프에서 상호 인접 정점끼리는 무조건 재 탐색 수행을 하고자 하기 때문에 이를 제외 해야 한다.
인접 정점의 parent가 현재 정점이 아니라면 A -> B -> A의 순이 아니라 A -> B -> ? -> ? -> A 와 같이 중간에 다른 정점들을 추가로 탐색했다는 의미이며, 이는 당연히 Cycle이 있는 것이다.
그러면, 아래의 그림을 보자.
위 그림에서 순환은 1 - 2 - 3으로 이어진 정점이다. 코드를 통해 어떻게 정점을 찾을 수 있는지, 정점의 리스트까지 뽑아보며 알아보자.
아래의 코드는 무방향 그래프의 순환을 DFS로 탐색하는 코드이다.
package com.test;
import java.util.LinkedList;
public class CycleDetection {
public static void main(String[] args){
Graph g = new Graph(5);
g.addEdge(0, 1);
g.addEdge(0, 2);
g.addEdge(1, 2);
g.addEdge(0, 3);
g.addEdge(2, 4);
if(g.isCycle()){
System.out.println("Cycle Detected! - The List are below!");
for(int i=0; i < g.v; i++){
if(g.cycle[i]) System.out.print(i + ", ");
}
} else {
System.out.println("No Cycle!");
}
}
static class Graph{
int v; // 정점의 개수
LinkedList<Integer>[] adj; // 인접 리스트 방식으로 구현
boolean[] cycle; // 순환에 해당하는 정점 리스트를 저장(순환 시 true 값으로)
// 그래프 생성하는 생성자
public Graph(int v){
this.v = v;
this.adj = new LinkedList[v];
cycle = new boolean[v];
for(int i=0; i < this.v; i++){
adj[i] = new LinkedList<>();
}
}
// 간선 추가 - 무방향 그래프 이므로 양쪽으로 연결
public void addEdge(int s, int d){
this.adj[s].add(d); // S -> D 로 연결
this.adj[d].add(s); // D -> S 로 연결
}
// 재귀를 직접 수행하지는 않는 Wrapper 클래스
public boolean isCycle(){
// 현재 방문 완료된 내역
boolean[] visited = new boolean[this.v];
// Disconnected를 대비하여 모든 정점에서 시작
for(int i=0; i < this.v; i++){
// 이미 방문한 정점은 다시 탐색할 필요 없다. 이미 탐색으로 Cycle여부를 확인하였기 때문
// 아래 주석처리된 코드는 단순 Cycle 체크만 한다면 사용해도 됨
// if(visited[i]) continue;
// 최초 방문 정점은 parent를 -1로 지정한다.
// start는 어떤 정점에서 부터 시작하느냐 이므로 i값을 넣는다.
if(isCycleUtil(i, visited, -1, i)){
return true;
}
// 새로운 정점에서 시작할 때는, 방문 여부를 초기화 해야 한다.
// 단순 Cycle 체크만 한다면 위의 주석 코드를 해제하고 아래를 주석 처리
visited = new boolean[this.v];
}
return false;
}
// 직접 재귀를 수행하여 Cycle을 찾는 클래스
public boolean isCycleUtil(int i, boolean[] visited, int parent, int start){
visited[i] = true;
for(int v : this.adj[i]){
// 아직 방문되지 않은 정점이면 추가 탐색 수행
if(!visited[v]){
if(isCycleUtil(v, visited, i, start)){
// true가 반환되었다면 인접 정점 부터 탐색한 것들이 모두 순환 정점이라는 것
cycle[v] = true;
return true;
}
// 만약 다음 인접 정점이 현재 정점의 parent가 아니라면
// 중간에 다른 정점을 방문한 뒤 도착한 것이라서 Cycle이 있는 것임
// 그런데 v == start 라는 것은 최초 시작한 지점으로 돌아왔다는 의미인데,
// 이것이 없어도 Cycle Detection 자체는 가능하지만, 없으면 어떤 부분이 Cycle인지
// 확인 시에 오류가 발생할 수 있다.
// start 지점으로 돌아왔다면 현재 탐색된 내역 모두가 Cycle을 이루는 정점이라고
// 체크할 수 있지만, 그게 아니라 중간의 부분만 Cycle 이었다면 Cycle이 아닌 정점까지
// Cycle의 일부로 체크하게 되는 오류가 발생할 수 있기에 이와 같이 처리
} else if(v != parent && v == start){
// 현재 탐색할 정점을 순환 정점으로 표시
cycle[v] = true;
return true;
}
}
return false;
}
}
}
// 결과
//Cycle Detected! - The List are below!
//0, 1, 2,
위의 내용 중 주석을 보면 v == start 라는 코드가 필요한 이유에 대해 설명한 부분이 있다. 실제로, 이 내용이 없어도 Cycle 체크 자체는 가능할 것이다.
단순히 현재 그래프 상에 Cycle이 있는지 없는지만 체크하고자 하는 경우, isCycle 메소드에서 주석처리된 부분을 읽어서 코드를 약간 수정한 뒤, v == start 부분을 제외하면 된다.(애초에 start 패러미터를 전달하지 않아도 된다.)
하지만 그렇게 하게 되면, Cycle이 중간에 있고 가지로 연결된 정점에서 탐색을 시작했을 때, Cycle에 속하지 않은 가지 부분의 정점마저 Cycle을 이루는 정점이라고 반환할 수 있는 오류가 있다.
그래서 Cycle을 이루는 부분만 정확하게 파악하기 위해서 위와 같이 코드를 작성하였다. 링크의 그래프와 같은 경우를 탐색 시에, 잘못된 정점을 Cycle로 반환할 수 있다.(확인하고 싶다면 직접 코드를 변경하여 체크해보자.)
3. 깊이 우선 탐색의 응용
깊이 우선 탐색을 활용하는 경우는 여러 가지가 있다. 대표적인 예시를 아래와 같이 살펴보자.
① 최단 경로 찾기 및 최소 스패닝 트리
② 순환 탐지
③ 위상 정렬
④ Puzzle 풀이(하나의 solution 찾기)
DFS는 이외에도 굉장히 많이 쓰인다. 익혀두고 익숙해지는 것이 중요하다.
참고) DFS와 백트래킹(Backtracking)의 차이
DFS는 기본적으로 그래프 형태 자료구조에서 모든 정점을 탐색할 수 있는 알고리즘 중 하나이다. 깊이를 우선적으로 탐색하기에 재귀 또는 스택을 이용한다.
재귀를 이용하여 탐색을 수행한다는 부분에서 완전탐색 알고리즘의 재귀 / 백트래킹(Backtracking)과 유사한 측면이 보여 혼란이 올 수 있다.
그런데, 재귀라는 것은 말 그대로 스스로의 함수(또는 메소드)를 호출하는 방식을 의미하는 것이므로 DFS가 재귀라는 방식을 이용해 탐색을 수행하는 것으로 하나의 방식이라고 이해하면 된다.
또한 백트래킹(Backtracking)은 재귀를 통해 알고리즘을 풀어 가는 기법 중 하나로 가지치기(Pruning)을 통해서 탐색을 시도하다가 유망하지 않으면 추가 탐색을 하지 않고 다른 해를 찾는 방법이다.
DFS는 기본적으로 모든 노드를 탐색하는 것이 목적이지만 상황에 따라서 백트래킹 기법을 혼용하여 불 필요한 탐색을 그만두는 것 또한 가능하다.
즉, DFS와 백트래킹은 유사한 부분이 있지만 기본적으로 사용 목적이 다르지만 두 기법을 혼용하여 사용하는 것이 가능하다. 완전히 다른 개념이 아니라 재귀 호출을 통한 기법 중 하나 이기 때문이다.
긴 글 읽어주셔서 감사합니다.
오류가 있으면 댓글 달아주시면 수정하겠습니다.
'자바 프로그래밍 > 알고리즘(Algorithm)' 카테고리의 다른 글
| 알고리즘 - Dynamic Programming(동적 계획법) (33) | 2021.01.05 |
|---|---|
| 알고리즘 - 진법 변환하기(10진수 - N진수) (2) | 2020.12.29 |
| 알고리즘 - 그래프 탐색(너비 우선 탐색 - BFS) (0) | 2020.12.06 |
| 알고리즘 - 탐색(선형, 이진, 점프, 보간, 삼진 탐색) (2) | 2020.12.03 |
| 알고리즘 - 소수 구하기 (2) | 2020.11.20 |
