Increasing Triplet Subsequence — `O(n)` 시간, `O(1)` 공간으로 푸는 그리디 패턴

증가하는 삼중 부분 수열, 어떤 문제인가요?

LeetCode 334번 문제는 이렇게 주어집니다.

정수 배열 nums가 주어졌을 때, i < j < k이면서 nums[i] < nums[j] < nums[k]를 만족하는 인덱스 삼조(triplet)가 존재하면 true를 반환하세요.

예시는 이렇습니다.

• [1, 2, 3, 4, 5] → true (1 < 2 < 3)
• [5, 4, 3, 2, 1] → false
• [2, 1, 5, 0, 4, 6] → true (예: 0 < 4 < 6)

문제 자체는 단순해 보이지만, 제약이 붙습니다.

• 시간 복잡도 O(n), 공간 복잡도 O(1) 으로 풀 수 있는가

이 제약이 이 문제의 진짜 주제입니다. 이 글에서는 O(n^3) 브루트포스부터 시작해서, 배열 두 개를 쓰는 O(n)/O(n) 풀이를 거쳐, 변수 두 개로 O(n)/O(1)에 푸는 그리디 패턴까지 단계적으로 내려가 보겠습니다. 시간·공간 복잡도 표기가 익숙하지 않다면 시간 복잡도와 공간 복잡도 완전 정복을 먼저 읽어 보시는 것을 권합니다.

Phase 1. 브루트포스 — 삼중 반복은 왜 불가능한가

가장 직관적인 접근은 세 인덱스를 모두 시도하는 것입니다.

fun increasingTriplet(nums: IntArray): Boolean {
    val n = nums.size
    for (i in 0 until n) {
        for (j in i + 1 until n) {
            for (k in j + 1 until n) {
                if (nums[i] < nums[j] && nums[j] < nums[k]) return true
            }
        }
    }
    return false
}

정답 자체는 맞지만, 시간 복잡도는 O(n^3)입니다.

LeetCode 제약에서 nums.length는 최대 5 * 10^5입니다. n^3이면 대략 1.25 * 10^17번 연산이며, 초당 10^8 수준을 가정해도 현실적으로 끝나지 않습니다.

그래서 방향을 바꿔야 합니다. "각 위치에서 꼭 필요한 정보만 남겨 두고, 배열을 한 번(또는 몇 번)에 훑고 끝내야 합니다."

Phase 2. 각 위치에서 좌우를 보는 방법 — O(n) 공간

첫 번째 개선 아이디어는 이렇습니다. 어떤 인덱스 j가 "가운데 값"이 될 수 있으려면, j보다 왼쪽에 더 작은 값이 있고, 오른쪽에 더 큰 값이 있어야 합니다. 이걸 그대로 옮기면 다음 두 배열을 미리 만들면 됩니다.

• leftMin[j]: 0..j-1 구간의 최솟값
• rightMax[j]: j+1..n-1 구간의 최댓값

그다음 모든 j에 대해 leftMin[j] < nums[j] < rightMax[j]이면 답입니다.

fun increasingTriplet(nums: IntArray): Boolean {
    val n = nums.size
    if (n < 3) return false

    val leftMin = IntArray(n)
    val rightMax = IntArray(n)

    leftMin[0] = Int.MAX_VALUE
    for (i in 1 until n) {
        leftMin[i] = minOf(leftMin[i - 1], nums[i - 1])
    }

    rightMax[n - 1] = Int.MIN_VALUE
    for (i in n - 2 downTo 0) {
        rightMax[i] = maxOf(rightMax[i + 1], nums[i + 1])
    }

    for (j in 1 until n - 1) {
        if (leftMin[j] < nums[j] && nums[j] < rightMax[j]) return true
    }
    return false
}

이 풀이는 O(n) 시간에 끝나고, 로직도 읽기 쉽습니다. 다만 배열 두 개를 만들면서 O(n) 공간을 쓰고, 전체를 세 번 훑어야 합니다.

문제에서 요구하는 O(1) 공간을 만족하지 못하니, 한 단계 더 줄여 봅니다.

Phase 3. 변수 두 개로 줄이기 — O(1) 공간의 그리디

관찰: Phase 2에서 실제로 필요한 정보는 "지금까지 본 가장 작은 값"과 "그 작은 값 뒤에 이어서 등장한 가장 작은 값", 이 두 가지뿐입니다. 이 둘을 first, second라고 부르겠습니다.

fun increasingTriplet(nums: IntArray): Boolean {
    var first = Int.MAX_VALUE
    var second = Int.MAX_VALUE

    for (n in nums) {
        when {
            n <= first -> first = n
            n <= second -> second = n
            else -> return true
        }
    }
    return false
}

분기는 세 가지입니다.

• n <= first: 지금까지 최소 이하이므로, first를 갱신
• n <= second: first보다는 크지만 second 이하이므로, second를 갱신
• else: n > second → first < second < n이 되는 삼중이 존재 → true

시간 O(n), 공간 O(1)입니다.

그리디가 맞다는 직관이 잘 안 잡힙니다

이 풀이를 처음 보면 대부분 같은 의문을 가집니다.

first를 나중에 더 작은 값으로 덮어쓰면, second와의 "앞/뒤 관계"가 깨지지 않나요?

예를 들어 [2, 5, 1, 4]를 따라가 봅시다.

• 2: first = 2
• 5: 5 > first(2), 5 <= second(∞) → second = 5 (이 시점에 "first=2 < second=5"라는 사실이 고정됨)
• 1: 1 <= first → first = 1
• 4: 4 > first(1), 4 <= second(5) → second = 4
• 끝: false

여기서 first = 1이 된 뒤의 스냅샷만 보면 "first=1, second=5"인데, 배열상 5는 1보다 앞에 있던 값입니다. 즉 현재 상태만 보면 인덱스 순서가 뒤바뀐 것처럼 보입니다. 그래도 풀이가 정답인 이유가 핵심입니다.

불변식 — second가 갱신된 순간, 그보다 작은 값은 이미 존재했다

다음 두 가지 불변식이 계속 유지됩니다.

1. second가 유한한 값으로 갱신된 적이 있다면, 그 시점에 배열 앞쪽에 second보다 작은 값이 존재했습니다
2. first가 나중에 더 작은 값으로 바뀌어도, 1번은 과거 시점에 대한 사실이므로 여전히 참입니다

그래서 배열을 계속 훑다가 n > second인 원소를 만나는 순간,

• 과거 어느 시점에 "second보다 작은 값"이 있었고 (불변식 1)
• 그 뒤에 second가 확정됐으며
• 지금 n > second이므로, 증가하는 삼중 수열이 존재합니다

다시 말해, first가 더 작은 값으로 바뀌는 것은 "앞으로 더 작게 시작할 기회"를 열어 두는 행위일 뿐, 이미 확정된 "과거 어딘가에 second보다 작은 값이 있었다"는 사실을 훼손하지 않습니다.

참고: 이 알고리즘은 삼중이 존재하는지 boolean만 돌려줍니다. 실제 세 인덱스를 복원하려면 first가 갱신된 인덱스, second가 갱신될 때의 인덱스 등을 별도로 기억해야 합니다. 문제 정의가 boolean 반환이면 여기까지로 충분합니다.

왜 <가 아니라 <=로 비교하나요?

분기를 n < first, n < second가 아니라 n <= first, n <= second로 쓴 이유는 중복 값을 안전하게 처리하기 위해서입니다.

문제는 엄격히 증가하는(strictly increasing) 삼중을 요구합니다. nums[i] < nums[j] < nums[k]에서 같음(=)은 허용되지 않습니다.

예를 들어 [1, 1, 1, 1, 1]에서는 false가 나와야 합니다. <=로 비교하면 모든 1이 n <= first 분기를 타서 first = 1 유지, second는 ∞ 그대로로 남고 false가 나옵니다.

반대로 <로 썼다면 두 번째 1이 n < first(1)도 n < second(∞ → 이후 갱신되면 1)도 만족하지 않으면서 다른 분기로 흘러, 같은 값만 반복되는 입력에서 잘못된 true가 나올 여지가 생깁니다. <=로 비교하면 같은 값이 와도 second를 섣불리 확정하지 않습니다.

세 풀이를 다시 비교

풀이	시간	공간	특징
삼중 반복	O(n^3)	O(1)	구현은 쉽지만 큰 입력에서 사실상 불가능
leftMin / rightMax 배열	O(n)	O(n)	두 방향 스캔, 관찰을 그대로 옮긴 중간 단계
그리디 (first / second)	O(n)	O(1)	불변식 기반, 문제 제약을 정확히 만족

마무리

1. O(n) / O(1) 제약을 만족하는 풀이의 핵심은 "한 번 훑으면서 꼭 필요한 상태만 남기는 것" — 이 문제에서는 first와 second 두 변수면 충분합니다
2. 그리디가 성립하는 이유는 "second가 갱신된 순간, 그보다 작은 값이 이미 앞쪽에 존재했다"는 과거 사실이 불변으로 남기 때문 — 이후 first가 더 작은 값으로 바뀌어도 이 사실은 훼손되지 않습니다
3. <=로 비교하는 이유는 중복 값에서 second를 섣불리 확정하지 않기 위해 — 엄격히 증가하는 수열 정의를 지키는 장치입니다
4. 중간 단계로 leftMin / rightMax 풀이를 거치면, 같은 관찰을 상수 공간으로 압축하는 과정을 볼 수 있습니다 — 공간을 줄여 가는 사고 흐름 자체가 이 문제에서 얻어 갈 수 있는 가장 큰 학습 포인트입니다