Description:
There are two sorted arrays nums1 and nums2 of size m and n respectively.
Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).
Example 1:
nums1 = [1, 3]
nums2 = [2]
The median is 2.0
Example 2:
nums1 = [1, 2]
nums2 = [3, 4]
The median is (2 + 3)/2 = 2.5
问题解析及算法描述
本题为两个有序数组合并后的中位数,若先不考虑时间复杂度的话,只需要从小到大依次数(m+n)/2个元素,从而转化成经典的找第k小的数的问题。
算法如下:同时遍历两个有序数组,比较数组的两个数的大小,若其中一个数组的数比较小则记录该数同时该数组的下标加一(即往后遍历新的数),否则记录另一数同时往后遍历另一个数组,直至遍历总数为(m+n)/2时;接下来,只需判断总数为奇数还是偶数,从而求得结果。
代码及其他算法实现
class Solution {
public:
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
int size1 = nums1.size(), size2 = nums2.size();
int n = size1+ size2;
int m = n/2;
int v1 =0,v2 = 0;
vector<int>::iterator it1 = nums1.begin(), it2 = nums2.begin();
for (int i = 0; i <= m; i++) {
v1 = v2;
if(it1 < nums1.end() && it2 < nums2.end()) {
if (*it1 > *it2) {
v2 = *it2;
it2++;
} else {
v2 = *it1;
it1++;
}
} else if (it1 < nums1.end()) {
v2 = *it1;
it1++;
} else if (it2 < nums2.end()) {
v2 = *it2;
it2++;
}
}
double median;
if (n%2 == 0) median = (v1+v2)/2.0f;
else median = v2;
return median;
}
};
注意:该代码应用了归并计数算法复杂度为O((m+n)/2),并不符合题目要求的O(log(m+n))
因此,可采用分治算法解决两个有序数组中的中位数和Top K问题(该链接博主的思路比较清晰易懂)实现O(log(m+n))的复杂度,代码如下:
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size();
int m = nums2.size();
if(n > m) //保证数组1一定最短
return findMedianSortedArrays(nums2,nums1);
int L1,L2,R1,R2,c1,c2,lo = 0, hi = 2*n; //我们目前是虚拟加了'#'所以数组1是2*n长度
while(lo <= hi) //二分
{
c1 = (lo+hi)/2; //c1是二分的结果
c2 = m+n- c1;
L1 = (c1 == 0)?INT_MIN:nums1[(c1-1)/2]; //map to original element
R1 = (c1 == 2*n)?INT_MAX:nums1[c1/2];
L2 = (c2 == 0)?INT_MIN:nums2[(c2-1)/2];
R2 = (c2 == 2*m)?INT_MAX:nums2[c2/2];
if(L1 > R2)
hi = c1-1;
else if(L2 > R1)
lo = c1+1;
else
break;
}
return (max(L1,L2)+ min(R1,R2))/2.0;
}
};
两有序数组中位数

本文探讨了两个有序数组合并后找到中位数的问题,并提供了两种解决方案:一种使用归并计数算法,复杂度为O((m+n)/2),另一种采用分治算法,实现了O(log(m+n))的时间复杂度。
461

被折叠的 条评论
为什么被折叠?



