[2026] 알고리즘 BFS vs DFS 완벽 비교 | 그래프 탐색 선택 가이드
![[2026] 알고리즘 BFS vs DFS 완벽 비교 | 그래프 탐색 선택 가이드](/og/s/algorithm-comparison-01-bfs-dfs.webp)
이 글의 핵심
BFS와 DFS의 차이점을 동작 원리, 시간 복잡도, 공간 복잡도 관점에서 비교. 최단 경로, 사이클 탐지 등 실전에서 어떤 알고리즘을 써야 하는지 선택 기준을 설명합니다.
들어가며
“BFS와 DFS 중 무엇을 써야 할까요?” 그래프 문제를 풀 때 가장 많이 하는 질문입니다. 이 글에서는 BFS와 DFS의 차이를 명확히 이해하고, 문제 유형에 맞는 알고리즘을 선택하는 방법을 다룹니다. 비유로 말씀드리면, BFS는 같은 거리(층)를 먼저 모두 확인하는 엘리베이터 안내에 가깝고, DFS는 한 갈래를 끝까지 따라간 뒤 되돌아오는 미로·백트래킹에 가깝습니다. 최단 거리가 중요하면 층별로 퍼지는 쪽(BFS), 모든 분기를 깊게 시험해야 하면 한 줄기씩 파는 쪽(DFS)이 자연스럽습니다.
이 글을 읽으면
- BFS와 DFS의 동작 원리를 이해하실 수 있습니다
- 시간·공간 복잡도 차이를 비교하실 수 있습니다
- 최단 경로, 사이클 탐지 등 문제 유형별 선택 기준을 익히실 수 있습니다
- 실전 구현 코드의 흐름을 따라가실 수 있습니다
코딩 테스트 준비하며 깨달은 것
알고리즘 문제를 풀다 보면 “이게 실무에 무슨 도움이 될까?” 하는 의문이 들 때가 있습니다. 저도 그랬습니다. 하지만 실제 프로젝트에서 성능 문제에 부딪히면, 알고리즘 지식이 얼마나 중요한지 깨닫게 됩니다. 예를 들어, 사용자 검색 기능이 느려서 고민하다가 해시 테이블을 적용하니 응답 시간이 10초에서 0.1초로 줄어든 경험이 있습니다. 코딩 테스트는 단순히 취업을 위한 관문이 아니라, 문제 해결 능력을 키우는 훈련장입니다. 처음엔 브루트 포스로 풀다가, 시간 복잡도를 개선하는 과정에서 “아, 이렇게 생각하면 되는구나” 하는 깨달음을 얻을 때의 쾌감은 말로 표현하기 어렵습니다. 이 글에서는 단순히 정답 코드만 제시하는 게 아니라, 문제를 어떻게 접근하고 최적화하는지 사고 과정을 함께 공유하겠습니다.
목차
1. 빠른 비교표
| 특성 | BFS | DFS |
|---|---|---|
| 자료구조 | 큐 (Queue) | 스택 (Stack) 또는 재귀 |
| 탐색 순서 | 레벨 순서 (가까운 것부터) | 깊이 우선 (끝까지) |
| 최단 경로 | ✅ 보장 (가중치 없는 그래프) | ❌ 보장 안 됨 |
| 메모리 | O(w) (너비) | O(h) (깊이) |
| 구현 | 반복문 | 재귀 또는 반복문 |
| 용도 | 최단 경로, 레벨 탐색 | 사이클 탐지, 경로 존재 |
성능·사용성·적용 시나리오 (한눈에)
| 구분 | BFS | DFS |
|---|---|---|
| 성능(시간) | 그래프 전체를 한 번씩 도는 점에서는 DFS와 동일하게 O(V+E) 수준 | 동일 |
| 성능(공간) | 큐에 한 레벨 분량이 몰릴 수 있어 넓은 그래프에서 부담 | 재귀 스택 또는 명시적 스택 깊이만큼. 매우 깊은 그래프에서는 스택 한계에 유의 |
| 사용성 | 거리·레벨 개념이 코드에 직접 드러나 최단 거리 문제에 직관적 | 재귀 한 방에 들어가기 쉬워 백트래킹·연결 요소에 편함 |
| 적용 시나리오 | 가중치 없는 최단 경로, 이분 그래프 판별, 레벨 순회 | 위상 정렬, 사이클·강한 연결 요소, “모든 경우” 탐색 |
언제 BFS를, 언제 DFS를 쓰나요?
- BFS를 고려하시면 좋은 경우: 시작점에서의 최소 이동 횟수·최소 간선 수가 필요하실 때, 또는 가까운 정점부터 차례로 처리해야 할 때입니다.
- DFS를 고려하시면 좋은 경우: 최단 거리보다 도달 가능 여부, 모든 경로·조합, 트리/그래프의 구조적 성질(사이클, 위상 순서)이 핵심일 때입니다.
- 둘 다 가능한 문제에서는 구현 난이도와 메모리 제한(넓은 그래프면 DFS 쪽이 유리할 수 있음)을 함께 보시면 됩니다.
2. 동작 원리
BFS: 너비 우선 탐색
코드 흐름: 시작 정점을 큐에 넣고 visited로 표시한 뒤, 큐 앞에서 꺼낸 정점의 인접 정점을 아직 방문하지 않았으면 큐에 넣습니다. 이렇게 하면 가까운 거리부터 순서대로 방문합니다.
아래 코드는 code를 사용한 구현 예제입니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 실행 예제
그래프:
1
/ \
2 3
/ \ \
4 5 6
BFS 순서: 1 → 2 → 3 → 4 → 5 → 6
(레벨 0) (레벨 1) (레벨 2)다음은 cpp를 활용한 상세한 구현 코드입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
void BFS(int start) {
queue<int> q;
vector<bool> visited(n, false);
q.push(start);
visited[start] = true;
while (!q.empty()) {
int u = q.front();
q.pop();
cout << u << " ";
// 인접 정점 탐색
for (int v : adj[u]) {
if (!visited[v]) {
visited[v] = true;
q.push(v);
}
}
}
}DFS: 깊이 우선 탐색
코드 흐름: 현재 정점을 방문 처리한 뒤, 인접 정점 중 미방문 정점으로 재귀적으로 먼저 들어갑니다. 한 줄기를 끝까지 간 뒤에야 다른 형제로 넘어가므로, BFS와 방문 순서가 달라집니다. 아래 코드는 code를 사용한 구현 예제입니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 실행 예제
그래프:
1
/ \
2 3
/ \ \
4 5 6
DFS 순서: 1 → 2 → 4 → 5 → 3 → 6
(깊이 우선)아래 코드는 cpp를 사용한 구현 예제입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
void DFS(int u, vector<bool>& visited) {
visited[u] = true;
cout << u << " ";
for (int v : adj[u]) {
if (!visited[v]) {
DFS(v, visited);
}
}
}3. 시간/공간 복잡도
시간 복잡도
둘 다 O(V + E)
- V: 정점 수
- E: 간선 수
- 모든 정점과 간선을 한 번씩 방문
공간 복잡도
아래 코드는 code를 사용한 구현 예제입니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 실행 예제
그래프 (완전 이진 트리):
1
/ \
2 3
/ \ / \
4 5 6 7
BFS 큐 최대 크기: 4 (마지막 레벨)
DFS 스택 최대 크기: 3 (트리 높이)BFS: O(w) - w는 그래프의 최대 너비
DFS: O(h) - h는 그래프의 최대 깊이
메모리 비교
| 그래프 형태 | BFS 메모리 | DFS 메모리 | 유리한 쪽 |
|---|---|---|---|
| 완전 이진 트리 (높이 h) | O(2^h) | O(h) | DFS |
| 선형 (1→2→3→…→n) | O(1) | O(n) | BFS |
| 일반 그래프 | O(V) | O(V) | 비슷 |
일상 비유로 이해하기: 시간 복잡도는 책에서 원하는 페이지를 찾는 방법으로 비유할 수 있습니다. O(1)은 목차를 보고 바로 찾기, O(log n)은 이진 탐색처럼 중간을 펼쳐 앞뒤 판단하기, O(n)은 첫 페이지부터 하나씩 넘기기, O(n²)은 모든 페이지 조합을 확인하기입니다.
4. 문제 유형별 선택
BFS를 써야 하는 경우
- 최단 경로 (가중치 없는 그래프)
다음은 cpp를 활용한 상세한 구현 코드입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 미로 탈출 최소 이동 횟수
int shortestPath(int start, int end) {
queue<pair<int,int>> q; // {정점, 거리}
q.push({start, 0});
visited[start] = true;
while (!q.empty()) {
auto [u, dist] = q.front();
q.pop();
if (u == end) return dist; // 최단 거리 보장
for (int v : adj[u]) {
if (!visited[v]) {
visited[v] = true;
q.push({v, dist + 1});
}
}
}
return -1;
}- 레벨 순서 탐색
다음은 cpp를 활용한 상세한 구현 코드입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 트리의 레벨별 출력
void levelOrder(TreeNode* root) {
queue<TreeNode*> q;
q.push(root);
while (!q.empty()) {
int levelSize = q.size();
for (int i = 0; i < levelSize; i++) {
TreeNode* node = q.front();
q.pop();
cout << node->val << " ";
if (node->left) q.push(node->left);
if (node->right) q.push(node->right);
}
cout << "\n"; // 레벨 구분
}
}DFS를 써야 하는 경우
- 경로 존재 여부
아래 코드는 cpp를 사용한 구현 예제입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 경로가 있는지만 확인 (최단 경로 불필요)
bool hasPath(int start, int end) {
if (start == end) return true;
visited[start] = true;
for (int v : adj[start]) {
if (!visited[v] && hasPath(v, end)) {
return true;
}
}
return false;
}- 사이클 탐지
아래 코드는 cpp를 사용한 구현 예제입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 실행 예제
bool hasCycle(int u, int parent) {
visited[u] = true;
for (int v : adj[u]) {
if (!visited[v]) {
if (hasCycle(v, u)) return true;
} else if (v != parent) {
return true; // 사이클 발견
}
}
return false;
}- 위상 정렬
아래 코드는 cpp를 사용한 구현 예제입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
void topologicalSort(int u) {
visited[u] = true;
for (int v : adj[u]) {
if (!visited[v]) {
topologicalSort(v);
}
}
result.push_back(u); // 후위 순서
}5. 구현 코드
BFS 템플릿
다음은 cpp를 활용한 상세한 구현 코드입니다. 필요한 모듈을 import하고, 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
#include <queue>
#include <vector>
void BFS(int start) {
queue<int> q;
vector<bool> visited(n, false);
q.push(start);
visited[start] = true;
while (!q.empty()) {
int u = q.front();
q.pop();
// 처리
process(u);
// 인접 정점
for (int v : adj[u]) {
if (!visited[v]) {
visited[v] = true;
q.push(v);
}
}
}
}DFS 템플릿 (재귀)
아래 코드는 cpp를 사용한 구현 예제입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
void DFS(int u, vector<bool>& visited) {
visited[u] = true;
// 처리
process(u);
// 인접 정점
for (int v : adj[u]) {
if (!visited[v]) {
DFS(v, visited);
}
}
}DFS 템플릿 (반복)
다음은 cpp를 활용한 상세한 구현 코드입니다. 필요한 모듈을 import하고, 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
#include <stack>
void DFS_iterative(int start) {
stack<int> stk;
vector<bool> visited(n, false);
stk.push(start);
while (!stk.empty()) {
int u = stk.top();
stk.pop();
if (visited[u]) continue;
visited[u] = true;
// 처리
process(u);
// 인접 정점 (역순으로 push하면 재귀와 같은 순서)
for (int i = adj[u].size() - 1; i >= 0; i--) {
int v = adj[u][i];
if (!visited[v]) {
stk.push(v);
}
}
}
}6. 실전 예제
예제 1: 미로 탈출 (BFS)
다음은 cpp를 활용한 상세한 구현 코드입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 최단 경로 → BFS
int dx[] = {0, 0, 1, -1};
int dy[] = {1, -1, 0, 0};
int shortestPath(vector<vector<int>>& maze) {
int n = maze.size(), m = maze[0].size();
queue<tuple<int,int,int>> q; // {x, y, 거리}
vector<vector<bool>> visited(n, vector<bool>(m, false));
q.push({0, 0, 0});
visited[0][0] = true;
while (!q.empty()) {
auto [x, y, dist] = q.front();
q.pop();
if (x == n-1 && y == m-1) return dist; // 도착
for (int i = 0; i < 4; i++) {
int nx = x + dx[i];
int ny = y + dy[i];
if (nx >= 0 && nx < n && ny >= 0 && ny < m &&
!visited[nx][ny] && maze[nx][ny] == 0) {
visited[nx][ny] = true;
q.push({nx, ny, dist + 1});
}
}
}
return -1; // 경로 없음
}예제 2: 섬의 개수 (DFS)
다음은 cpp를 활용한 상세한 구현 코드입니다. 반복문으로 데이터를 처리합니다, 조건문으로 분기 처리를 수행합니다. 각 부분의 역할을 이해하면서 코드를 살펴보시기 바랍니다.
// 연결 요소 개수 → DFS
void DFS(vector<vector<int>>& grid, int x, int y) {
int n = grid.size(), m = grid[0].size();
if (x < 0 || x >= n || y < 0 || y >= m || grid[x][y] == 0) {
return;
}
grid[x][y] = 0; // 방문 표시
// 상하좌우 탐색
DFS(grid, x+1, y);
DFS(grid, x-1, y);
DFS(grid, x, y+1);
DFS(grid, x, y-1);
}
int numIslands(vector<vector<int>>& grid) {
int count = 0;
for (int i = 0; i < grid.size(); i++) {
for (int j = 0; j < grid[0].size(); j++) {
if (grid[i][j] == 1) {
DFS(grid, i, j);
count++;
}
}
}
return count;
}7. 선택 기준 정리
플로우차트
아래 코드는 mermaid를 사용한 구현 예제입니다. 코드를 직접 실행해보면서 동작을 확인해보세요.
graph TD
A[그래프 탐색 문제] --> B{최단 경로?}
B -->|Yes| C[BFS]
B -->|No| D{모든 경로 탐색?}
D -->|Yes| E[DFS]
D -->|No| F{메모리 제약?}
F -->|넓은 그래프| E
F -->|깊은 그래프| C
문제 유형별 선택표
| 문제 유형 | 알고리즘 | 이유 |
|---|---|---|
| 최단 경로 (가중치 없음) | BFS | 레벨 순서 보장 |
| 최단 경로 (가중치 있음) | Dijkstra | BFS 변형 |
| 경로 존재 여부 | DFS | 메모리 효율적 |
| 모든 경로 찾기 | DFS | 백트래킹 |
| 사이클 탐지 | DFS | 재귀 스택 활용 |
| 위상 정렬 | DFS | 후위 순서 |
| 연결 요소 개수 | DFS | 간단한 구현 |
| 이분 그래프 판별 | BFS | 레벨 구분 |
마무리
BFS와 DFS를 고르실 때의 핵심은 다음과 같습니다.
- 최단 경로(가중치 없음)가 필요하시면 → BFS가 맞습니다.
- 도달 여부·구조 탐색이 중심이면 → DFS가 다루기 쉬운 경우가 많습니다.
- 메모리는 그래프가 넓은지 깊은지에 따라 큐(BFS)와 스택(DFS) 부담이 달라지므로, 제한을 꼭 확인하시기 바랍니다.
- 구현 편의성은 문제 유형(백트래킹은 DFS 등)에 맞추시면 됩니다. 정리: 둘 다 시간은 O(V+E)로 같지만, 최단 거리가 문제의 정답 조건이면 BFS를 우선 검토하시는 것이 좋습니다.
FAQ
Q1. BFS가 항상 최단 경로를 보장하나요? 가중치가 없는 그래프에서만 보장됩니다. 가중치가 있으면 Dijkstra를 사용하세요. Q2. DFS는 재귀로만 구현하나요? 스택을 사용한 반복문으로도 구현 가능합니다. 재귀가 더 간단하지만 스택 오버플로우 주의. Q3. 둘 다 가능한 문제는 뭘 쓰나요? 구현하기 편한 것을 선택하세요. 성능 차이는 미미합니다.
관련 글
키워드
알고리즘, BFS, DFS, 그래프, 탐색, 최단 경로, 사이클, 위상 정렬, 비교, 선택 가이드