leetcode 4-Median of Two Sorted Arrays

本文介绍了一种在O(log(m+n))的时间复杂度内找到两个已排序数组合并后的中位数的方法。通过递归地查找第k小的元素来避免直接合并数组,有效地解决了问题。

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

题意:给出两个已经排好序的数组a[1...m]和b[1...n],求这两个数组合在一起后的中位数。明确要求时间复杂度为O(log(m+n))。

思路:要求复杂度为O(log(m+n)),自然不能先合并再找中位数,那样的话复杂度为O(m+n)。

若m+n为奇数,中位数为第(m+n)/2小的元素,否则为(第(m+n)/2小的元素+第(m+n)/2+1小的元素)/2。

所以可以写一个求第k小的元素的函数,首先假设a数组个数小于b数组,其次处理一下两种极端情况,m=0,k=1。

取a[k/2]与b[k/2]比较,若前者小于后者,则说明第k小元素必然不在a的前k/2个元素中,可以用反证法证明,反之亦然。

于是去掉a或b的前k/2个元素,求第k-k/2小的元素,由此得到了规模更小的同类问题,递归求解。

#define min(a,b) (a)<(b)?(a):(b)
double getkth(int a[], int m, int b[], int n, int k)
{
    if(m > n)
        return getkth(b, n, a, m, k);
    if(m == 0)
        return b[k-1];
    if(k==1)
        return min(a[0],b[0]);
    int pa = min(k/2, m);
    int pb = k - pa;
    if(a[pa - 1] < b[pb - 1])
        return getkth(a+pa, m-pa, b, n, k-pa);
    else 
        return getkth(a, m, b+pb, n-pb, k-pb);
}

double findMedianSortedArrays(int* nums1, int m, int* nums2, int n) {
    int len = m + n;
        if(len%2==1)
            return getkth(nums1, m, nums2, n, len/2+1);
        else
            return (getkth(nums1, m, nums2, n, len/2) + getkth(nums1, m, nums2, n, len/2+1))/2.0;
}


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