재귀의 늪에서 탈출하기: 메모이제이션(Memoization)

게시 2026/04/06

By woolam

조회 6 분읽는 시간

“한 줄 요약: 이미 계산한 값은 기록해두자. 기억력은 곧 성능이다.”

1. 메모이제이션(Memoization)이란?

재귀 함수가 동일한 계산을 반복해야 할 때 이전에 계산한 결과를 메모리에 기록(Caching) 해 두었다가 다시 사용하는 기법입니다.

핵심: ‘중복 계산’을 제거하여 실행 속도를 비약적으로 향상시킨다.
조건: 동일한 입력에 대해 항상 동일한 출력을 반환하는 ‘순수 함수’ 구조에서 빛을 발한다.

2. 코드 비교: 일반 재귀 vs 메모이제이션

[Case A] 일반 재귀 (Native Recursion)

가장 직관적이지만 숫자가 조금만 커져도 시스템이 멈춥니다.

  
public int fibo(int n) {
    if (n <= 1) return n;
    return fibo(n - 1) + fibo(n - 2); // 매번 처음부터 다시 계산
}

[Case B] 메모이제이션 적용 (Memoized Recursion)

한 번 구한 값은 memo 배열에 저장하고 동일한 요청이 들어오면 다시 계산하지 않고 꺼내 씁니다.

  
public class Fibonacci {
    // 계산된 값을 저장하기 위한 기록 저장소 (Memoization Table)
    static int[] memo = new int[100]; 

    public int fiboMemo(int n) {
        // 기본 케이스: 0과 1은 그대로 반환
        if (n <= 1) return n;
        
        // 1. 이미 기록된 값이 있다면 즉시 반환 (조기 종료 - 핵심 로직)
        if (memo[n] != 0) return memo[n];
        
        // 2. 기록이 없다면 계산 후 배열에 저장(기록)
        memo[n] = fiboMemo(n - 1) + fiboMemo(n - 2);
        
        return memo[n];
    }
}

3. 시간 복잡도 분석: $O(2^n)$ vs $O(n)$

일반 재귀와 메모이제이션의 성능 차이는 데이터가 커질수록 기하급수적으로 벌어집니다. 이는 ‘지수 시간’과 ‘선형 시간’의 차이만큼이나 극단적인 효율의 격차를 보여줍니다.

구분	일반 재귀 (Native)	메모이제이션 적용 (Memoized)
시간 복잡도	$O(2^n)$	$O(n)$
특징	호출 트리가 기하급수적으로 증가 (중복 발생)	각 숫자를 딱 한 번만 계산함
성능 체감	$n=45$일 때 약 수십 초 소요	$n=45$일 때 0.001초 미만

4. 왜 메모이제이션을 사용해야 하는가?

중복 부분 문제(Overlapping Subproblems) 해결: 피보나치에서 $f(3)$을 구하기 위해 $f(2)$, $f(1)$을 부르고 $f(4)$를 위해 다시 $f(3)$을 부르는 식의 낭비를 완벽히 제거합니다.
함수 호출 비용 절감: 재귀는 호출될 때마다 스택 메모리를 사용합니다. 메모이제이션은 불필요한 스택 쌓기를 방지하여 StackOverflow 위험을 줄여줍니다.
효율적인 자원 관리: 시간은 금입니다. 똑같은 답을 얻기 위해 CPU를 100번 돌릴 것을 단 1번으로 줄이는 것은 시스템 전체의 신뢰성과 응답 속도를 높이는 핵심입니다.

5. 오늘의 회고: 기록(History)과 캐싱의 힘

Insight: 메모이제이션에서 발견한 안정 계수 정렬의 향기

이번 학습을 통해 메모이제이션(Memoization) 을 접하며 지난번에 배운 안정 계수 정렬(Stable Counting Sort) 이 강력하게 연상되었습니다. 두 알고리즘은 서로 다른 목적을 가진 듯 보이지만 그 기저에는 “기록을 통해 연산 비용을 지불한다” 는 공통된 설계 패러다임이 흐르고 있었습니다.

안정 계수 정렬: 입력 데이터의 빈도와 위치를 미리 기록하여 비교 연산을 생략함.
메모이제이션: 함수의 결과값을 미리 기록하여 중복 재귀 연산을 생략함.

🛠️ Space-Time Trade-off와 캐싱(Caching)

결국 이 모든 과정은 Space-Time Trade-off(시공간 효율성의 절충) 의 실현입니다. 안정 계수 정렬이 데이터의 순서 이력을 보존하고 정확한 위치를 계산하기 위해 보조 배열을 썼다면 메모이제이션은 연산의 이력을 보관하기 위해 일종의 캐시(Cache) 를 운용하는 셈입니다. “무언가를 미리 기록해두고 재활용한다”는 캐싱의 원리가 알고리즘 최적화의 핵심이라는 것을 깨달았습니다. 기록은 단순히 과거를 담는 것이 아니라 미래에 발생할 막대한 연산 비용을 미리 정산해두는 가장 효율적인 투자임을 배웠습니다.

📚 References

GeeksforGeeks: Memoization (1D, 2D and 3D)
Introduction to Algorithms (CLRS): Chapter 15. Dynamic Programming
Java Documentation: Performance of Recursive Methods

Algorithm, Java