동적 계획법 DP 1 - DP 개념, Top-down (Memoization) vs Bottom-up (Tabulation)

소규모 하위 문제들의 해를 저장해 두었다가 재활용하는 **동적 계획법(Dynamic Programming: DP)**의 기본 개념과 Top-down vs Bottom-up 방식을 학습합니다.

4. 실전 파이썬(Python 3) 알고리즘 구현 코드 및 라인별 주석 해설

본 레슨의 핵심 연산 매커니즘을 파이썬 3 환경에서 가장 효율적이고 직관적으로 구현한 실전 소스 코드입니다. 모든 주요 라인마다 상세한 한글 주석이 기재되어 있어 코드의 흐름을 쉽고 명확하게 이해할 수 있습니다.

from functools import lru_cache

# 1. Top-down DP (@functools.lru_cache 파이썬 자동 메모이제이션)
@lru_cache(maxsize=None)  # 함수의 리턴값을 자동으로 메적하여 중복 연산 방지
def fib_top_down(n: int) -> int:
    """Top-down 재귀 + 메모이제이션 피보나치"""
    if n <= 2:  # Base Case
        return 1
    # 하위 문제로 재귀 호출 후 캐시된 결과 반환
    return fib_top_down(n - 1) + fib_top_down(n - 2)

# 2. Bottom-up DP (Tabulation 반복문 기반 테이블 구축)
def fib_bottom_up(n: int) -> int:
    """Bottom-up 반복문 타뷸레이션 피보나치"""
    if n <= 2:
        return 1
    # DP 테이블 할당 및 초기 상태 설정
    dp = [0] * (n + 1)
    dp[1] = dp[2] = 1
    
    # 소규모 문제부터 순차적으로 점화식 채워 나가기
    for i in range(3, n + 1):
        dp[i] = dp[i - 1] + dp[i - 2]
    return dp[n]

if __name__ == "__main__":
    print("피보나치 50항 (Top-down DP):", fib_top_down(50))
    print("피보나치 50항 (Bottom-up DP):", fib_bottom_up(50))

파이썬 소스 코드 핵심 포인트 해설

@lru_cache: 파이썬 표준 라이브러리로, 함수의 리턴값을 자동으로 캐싱하는 강력한 메모이제이션 데코레이터 주석 해설입니다.
dp[i] = dp[i-1] + dp[i-2]: 점화식을 바탕으로 배열을 채워 올라가는 전통적 Bottom-up 타뷸레이션 방식입니다.

5. 알고리즘 설계 및 최적화 실무 지침 (Best Practices & Complexity Audit)

본 09. 동적 계획법(Dynamic Programming) 1: 기초 - Top-down(메모이제이션) vs Bottom-up(타뷸레이션) 레슨에서 익힌 핵심 알고리즘 메커니즘을 코딩 테스트 및 대규모 웹/서버 엔지니어링 환경에 도입할 때 반드시 체크해야 하는 튜닝 가이드입니다.

1) 공간/시간 복잡도 한계 및 메모리 사용 제어

콜 스택 오버플로우(Stack Overflow) 예방: 파이썬의 기본 재귀 깊이 제한은 1,000회입니다. 재귀 탐색이 깊어질 경우 import sys; sys.setrecursionlimit(10**6)을 설정하거나 명시적 스택/반복문(Tabulation)으로 전환해야 합니다.
파이썬 내장 라이브러리 적극 활용: 파이썬 내장 C-API 기반 라이브러리인 collections.deque(선형 BFS), heapq(다익스트라/우선순위 큐), bisect(이분 탐색), functools.lru_cache(Top-down DP)를 활용하면 직접 구현한 코드보다 3~5배 이상 빠르게 동작합니다.
빠른 입출력(Fast I/O) 적용: 백준/프로그래머스 등 대용량 입력 문제에서는 import sys; input = sys.stdin.readline을 상단에 지정하여 I/O 시간 초과를 완벽히 예방합니다.

2) 예외 케이스(Edge Cases) 및 코딩 테스트 체크리스트

입력 경계값 검증: $N=1$ 이거나 $N=0$ 인 극단적 최소 입력, 혹은 모든 요소의 값이 동일한 경우(Corner Case)에 대한 예외 처리를 누락하지 않습니다.
무한 루프 및 사이클 감지: 그래프/트리 탐색 시 방문 처리 배열(visited[])의 업데이트 위치를 정확히 지정하여 중복 큐 삽입으로 인한 메모리 초과를 예방합니다.

6. 핵심 요약 및 실무 FAQ (Summary & Q&A)

Q1. 파이썬 코드 주석에서 강조된 성능 핵심은 무엇인가요?

코드 주석에서 명시하듯, 선형 큐 탐색에는 $O(N)$의 list.pop(0) 대신 $O(1)$의 collections.deque.popleft()를 사용하는 등 파이썬 자료구조의 내부 복잡도를 명확히 파악하고 작성하는 것입니다.

Q2. 실무 개발에서 본 파이썬 알고리즘 패턴은 어디에 활용되나요?

백엔드 데이터 파이프라인, Django/FastAPI 비동기 스케줄링, 데이터 분석 및 Machine Learning 전처리 파이프라인의 핵심 데이터 구조 연산으로 널리 활용됩니다.