leetcode--Median of Two Sorted Arrays

本文介绍了一种高效算法,用于找出两个已排序数组的中位数,通过递归地缩小查找范围实现O(log(min(m,n)))的时间复杂度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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)).

解题思路:对于a,b数组(保证a长度小于b长度),要取第k个数

我们先假设从a,b各取k/2个

如果a长度大于k/2(则b也一定大于),那么比较a[k/2-1]和b[k/2-1]

假设前者大于后者,那么a的前k/2个元素,必定包含在最小的k个元素里面(只两个数组一起算,最小的k个)。剩下k/2可能在a的k/2个元素以后取,也可能在b的前k/2个元素里面取,但是都没有关系,反正a的前k/2是一定包含在最小的k个元素里面的。那么我可以去掉a的前k/2个元素,接着求a(去掉前k/2以后),b数组的第k-k/2小的元素(递归)

如果后者大于前者,和上面一样道理,可以去掉b的前k/2个元素,接着求b(去掉前k/2以后),a数组的第k-k/2小的元素(递归)

如果两者相等,那么a[k/2-1]和b[k/2-1]就是我们要找的第k个元素,直接返回

上面的描述考虑了a长度大于k/2的情况,如果a长度小于k/2呢

那么我们就去掉a的剩余长度,然后在b里面,求第k-a.length个元素的就可以了。因为和上面说的一样,a剩余的元素,必然包含在最小的前k个元素里面,我们去掉这些元素以后,就可以b里面直接求k-a.length个元素,就是所求。


[java]  view plain  copy
  1. public class Solution {  
  2.     /**     
  3.      * @param a 
  4.      * @param b 
  5.      * @param start_a a数组起始位置 
  6.      * @param start_b b数组起始位置 
  7.      * @param k 要找第k个数 
  8.      * @return 
  9.      */  
  10.     double findKth(int[] a,int[] b,int start_a,int start_b,int k){  
  11.         if(a.length-start_a>b.length-start_b){//保证前一个数组长度,小于后一个数组  
  12.             return findKth(b, a, start_b, start_a, k);  
  13.         }  
  14.         if(a.length-start_a==0){//如果a数组已经数尽,直接返回b数组中的第k个值,对应index为k-1  
  15.             return b[k-1];  
  16.         }  
  17.         if(k==1){//如果要找第一个数,那么返回两者较小的              
  18.             return Math.min(a[start_a], b[start_b]);          
  19.         }          
  20.         int pa = Math.min(k/2, a.length-start_a);//比较a数组剩余的长度和k/2,取较小的  
  21.         int pb = k - pa;//剩余的让b来处理    
  22.         /* 
  23.          * 如果从当前start_a开始的第k/2个数(也可能是a的最后一个数,因为a的剩余长度不够k/2) 
  24.          * 小于从当前start_b开始的第k/2个数(也可能是start_b开始的第a剩余长度个数) 
  25.          * 则,去掉a这一部分(可能是k/2,也可能是a的剩余部分) 
  26.          */  
  27.         if (a[start_a+pa-1] < b[start_b+pb-1])    
  28.             return findKth(a, b, start_a+pa, start_b, k - pa);    
  29.         else if (a[start_a+pa-1] > b[start_b+pb-1])//否则去掉b一部分(可能是k/2,也可能是a的剩余部分)    
  30.             return findKth(a, b, start_a, start_b+pb, k - pb);     
  31.         else//否则a,b都可以第k/2相等,则这个数为所求,返回即可    
  32.             return a[start_a+pa-1];    
  33.     }  
  34.       
  35.     public double findMedianSortedArrays(int[] nums1, int[] nums2) {  
  36.         int total = nums1.length + nums2.length;    
  37.         if((total&1)==1)    
  38.             return findKth(nums1, nums2, 00, total/2+1);    
  39.         else    
  40.             System.out.println("a");  
  41.             return (findKth(nums1, nums2, 00, total/2)    
  42.                     + findKth(nums1, nums2, 00, total/2+1))/2;    
  43.     }  
  44. }  


原文链接http://blog.youkuaiyun.com/crazy__chen/article/details/45446699

可以使用二分查找算法来解决这个问题。 首先,我们可以将两个数组合并成一个有序数组,然后求出中位数。但是,这个方法的时间复杂度为 $O(m + n)$,不符合题目要求。因此,我们需要寻找一种更快的方法。 我们可以使用二分查找算法在两个数组中分别找到一个位置,使得这个位置将两个数组分成的左右两部分的元素个数之和相等,或者两部分的元素个数之差不超过 1。这个位置就是中位数所在的位置。 具体来说,我们分别在两个数组中二分查找,假设现在在第一个数组中找到了一个位置 $i$,那么在第二个数组中对应的位置就是 $(m + n + 1) / 2 - i$。如果 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m$ 个,或者 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m + 1$ 个,则这个位置就是中位数所在的位置。 具体的实现可以参考以下 Java 代码: ```java public double findMedianSortedArrays(int[] nums1, int[] nums2) { int m = nums1.length, n = nums2.length; if (m > n) { // 保证第一个数组不大于第二个数组 int[] tmp = nums1; nums1 = nums2; nums2 = tmp; int t = m; m = n; n = t; } int imin = 0, imax = m, halfLen = (m + n + 1) / 2; while (imin <= imax) { int i = (imin + imax) / 2; int j = halfLen - i; if (i < imax && nums2[j - 1] > nums1[i]) { imin = i + 1; // i 太小了,增大 i } else if (i > imin && nums1[i - 1] > nums2[j]) { imax = i - 1; // i 太大了,减小 i } else { // i 是合适的位置 int maxLeft = 0; if (i == 0) { // nums1 的左边没有元素 maxLeft = nums2[j - 1]; } else if (j == 0) { // nums2 的左边没有元素 maxLeft = nums1[i - 1]; } else { maxLeft = Math.max(nums1[i - 1], nums2[j - 1]); } if ((m + n) % 2 == 1) { // 总元素个数是奇数 return maxLeft; } int minRight = 0; if (i == m) { // nums1 的右边没有元素 minRight = nums2[j]; } else if (j == n) { // nums2 的右边没有元素 minRight = nums1[i]; } else { minRight = Math.min(nums1[i], nums2[j]); } return (maxLeft + minRight) / 2.0; } } return 0.0; } ``` 时间复杂度为 $O(\log\min(m, n))$。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值