leetcode-4 Median of Two Sorted Arrays

本文介绍了一种在O(log(m+n))时间内找到两个有序数组中位数的方法,避免了传统归并方法的O(m+n)复杂度。通过二分查找技巧,有效地缩小搜索范围,最终高效地找到中位数。

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)).

这道题刚开始的想法是归并后再求中位数,但是归并的时间复杂度是O(m+n)。

用二分法的思路,有一个重要结论,如果A[k/2-1]<B[k/2-1],那么A[0]~A[k/2-1]一定不是第k小的数。具体见http://blog.youkuaiyun.com/zxzxy1988/article/details/8587244

代码如下

    double min(double a,double b)
    {
        return a<b?a:b;
    }
    double findKth(int* A,int m,int* B,int n,int k)
    {
        if(m>n)
            return findKth(B,n,A,m,k);   //总是让m比n小
        if(m == 0)
            return B[k-1];
        if(k <= 1)
            return min(A[0],B[0]);
        int pa = min(k/2,m), pb = k-pa;
        if(A[pa-1] < B[pb-1])
        {
            return findKth(A+pa,m-pa,B,n,k-pa);
        }
        else if(A[pa-1] > B[pb-1])
        {
            return findKth(A,m,B+pb,n-pb,k-pb);
        } else return A[pa-1]; 
    }

double findMedianSortedArrays(int* nums1, int nums1Size, int* nums2, int nums2Size) {
        int len = nums1Size+nums2Size;
        if(len%2 == 1)   //奇数
            return findKth(nums1,nums1Size,nums2,nums2Size,len/2+1);
        else
            return (findKth(nums1,nums1Size,nums2,nums2Size,len/2)+
                    findKth(nums1,nums1Size,nums2,nums2Size,len/2+1))/2;   
}

 

转载于:https://www.cnblogs.com/tonychen-tobeTopCoder/p/5174212.html

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