Minjeong / 6월 1주차 / 3문제

[Mingguriguri]

🌱WIL

이번 한 주의 소감을 작성해주세요!

• 힙, 우선순위 큐를 연습했는데 마침 발제&과제 문제도 우선순위 큐 문제였다. 그래서 덕분에 쉽게 풀이할 수 있었다.
• 힙 자료 구조를 쓸 때는 꼭 heapify를 쓰는 것을 잊지말자! 또 다음에는 Java로도 힙 구현하는 연습을 해보고 싶다.

🚀주간 목표 문제 수: 3개

푼 문제

• 프로그래머스 #42627. 디스크 컨트롤러: 힙 / Level 3
• 백준 #14698. 전생했더니 슬라임 연구자였던 건에 대하여 (Hard): 힙 / 골드4
• 백준 #1715. 카드 정렬하기: 힙 / 골드4

---

프로그래머스 #42627. 디스크 컨트롤러: 힙 / Level 3

정리한 링크: (바로가기)

🚩플로우 (선택)

코드를 풀이할 때 적었던 플로우가 있나요?

• jobs를 요청 시각 기준으로 정렬한다.
• 반복하면서 다음을 수행한다:
  • 현재 시간보다 먼저 들어온 요청을 모두 힙에 넣는다.
  • 힙에서 소요 시간이 가장 짧은 작업을 꺼낸다.
    • 종료 시간(end_time)을 갱신하고, 반환 시간을 누적한다.
  • 힙이 비었다면, 다음 요청이 도착할 때까지 기다린다 (end_time = jobs[i][0]).

🚩제출한 코드

import heapq

def solution(jobs):
    jobs.sort()     # 요청시간 기준 정렬
    job_len = len(jobs)
    i = 0           # jobs 인덱스
    end_time = 0    # 현재 시간
    return_time = 0 # 작업 반환 시간
    count = 0       # 작업 처리한 개수

    heap = []

    while count < job_len:
        # 현재 시간에 요청된 작업 처리
        while i < job_len and jobs[i][0] <= end_time:
            heapq.heappush(heap, (jobs[i][1], jobs[i][0], i))  # 소요시간, 요청시간, 작업번호 순서
            i += 1

        # 대기 큐에 작업이 있다면, 시간을 업데이트한다.
        if len(heap) > 0:
            work_time, start_time, num = heapq.heappop(heap)
            end_time += work_time
            return_time += end_time - start_time
            count += 1
        else:
            # 대기 큐가 비었다면, 다음 작업이 올 때까지 기다려야 한다.
            end_time = jobs[i][0]

    return return_time // job_len

💡TIL

배운 점이 있다면 입력해주세요
이 문제는 단순한 정렬 문제가 아니었다.

시간 흐름에 따른 요청 → 처리 → 대기라는 순환 로직을 실제 운영체제의 스케줄링처럼 구현해야 했다.

처음엔 무작정 heap에 넣고 정렬해서 처리하면 될 거라 생각했지만,

시간 조건을 반영하지 않으면 전혀 다른 결과가 나올 수 있다는 걸 배웠다. 나중에 자바로도 풀이해봐야겠다.

또 오랜만에 힙 유형을 풀면서 heapq를 파이썬에서 적용하는 방법에 대해서도 알게 되었다.

https://docs.python.org/ko/3.13/library/heapq.html

https://velog.io/@plate0113/Python-%EC%9A%B0%EC%84%A0%EC%88%9C%EC%9C%84-%ED%81%90-heapq

https://lucky516.tistory.com/5

---

백준 #14698. 전생했더니 슬라임 연구자였던 건에 대하여 (Hard): 힙 / 골드4

정리한 링크: (바로가기)

🚩플로우 (선택)

코드를 풀이할 때 적었던 플로우가 있나요?

1. 테스트 케이스 수 T만큼 반복한다.
2. 슬라임 수 N과 슬라임 에너지 리스트를 입력받는다.
3. 슬라임 수가 1이라면 바로 1을 출력한다.
4. 그 외의 경우, 에너지 리스트를 힙으로 구성한다.
5. 힙에서 2개를 꺼내 합성하고, 발생한 에너지를 누적한 뒤 다시 힙에 넣는다.
6. 최종 누적 비용을 모듈러 연산하여 출력한다.

🚩제출한 코드

import sys
import heapq
input = sys.stdin.readline

T = int(input())
for _ in range(T):
    total = 1
    N = int(input())
    heap = list(map(int, input().split()))
    if N == 1:
        print(1)
        continue

    heapq.heapify(heap)

    while len(heap) > 1:
        energy = heapq.heappop(heap) * heapq.heappop(heap)
        total *= energy
        heapq.heappush(heap, energy)

    print(total % 1000000007)

💡TIL

배운 점이 있다면 입력해주세요

• 처음에 틀렸던 이유는 heapq 모듈을 쓸 때 리스트를 힙으로 변환하지 않고 heappop()을 사용했기 때문이다.
• heapq는 리스트가 힙 구조일 때만 최소값을 보장하므로 heapify()를 반드시 해줘야 한다.
• 난이도는 골드4이지만, 문제 자체는 그리디하게 힙을 적용하는 전형적인 유형이었다.
• 문제 설명이 소설 형식이라 처음에는 이해가 어려웠지만, 핵심은 단순한 연속 곱셈 최적화이다.
• 다시 한 번, heapq를 사용할 때는 반드시 heapify()를 먼저 해주자!

---

백준 #1715. 카드 정렬하기: 힙 / 골드4

정리한 링크: (바로가기)

🚩플로우 (선택)

코드를 풀이할 때 적었던 플로우가 있나요?

🚩제출한 코드

import sys
import heapq
input = sys.stdin.readline

N = int(input())
cards = [int(input()) for _ in range(N)]
answer = 0
heapq.heapify(cards)

while len(cards) > 1:
    a = heapq.heappop(cards)
    b = heapq.heappop(cards)
    answer += a + b
    heapq.heappush(cards, a+b)

print(answer)

💡TIL

배운 점이 있다면 입력해주세요

• 최대한 작은 수를 먼저 묶어야 비교 횟수가 최소가 되는 전략이 필요했다. 이를 위해서는 최소값을 찾는 것에 효율적인 우선순위 큐가 적합하다.
• 우선순위 큐에 대한 구현 연습을 할 수 있는 좋은 연습 문제였다.

[YoonYn9915]

이번 한주도 수고 많으셨습니다!!

이번 발제, 과제 문제는 쉽다고 생각했는데 오랫만에 풀어봐서인지 감을 못잡아서 생각보다 고생한 것 같아요. 좋은 문제 가져와 주셔서 복습에 도움 됐습니다

[YoonYn9915]

제 PR에 작성해주신것 처럼 저는 while문 안에서 계속 1,000,000,007로 나머지 연산해주었어요. 파이썬은 2^0 부터 2^30 까지는 28바이트를 쓰고 그 이후부터는 2^30마다 4바이트씩 커지는데, 이 문제는 10억 이상 넘어가는 경우가 많이 나올수 있다고 생각해서 메모리를 아끼기 위해서 중간중간 계속 1,000,000,007로 나머지 연산 해주었습니다. 이 문제는 512MB제한이라 메모리가 넉넉해서 문제가 되지는 않았는데 더 적은 메모리에서는 이런 식으로 정답 저장에 쓰이는 메모리를 줄여줄 필요가 있을 것 같습니다.

[Mingguriguri]

좋은 정보 알려주셔서 감사해요!! 앞으로 이 부분 참고해서 작업해보도록 하겠습니다!

[github-actions]

🔥2025-06 챌린지 진행 상황

👉 그래프

👉 구현