题目:
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))
算法思想
(摘自网上,关键是为什么会想到递归求解:复杂度中有
log
):
该方法的核心是将原问题转变成一个寻找第k小数的问题(假设两个原序列升序排列),这样中位数实际上是第(m+n)/2小的数。所以只要解决了第k小数的问题,原问题也得以解决。
首先假设数组A和B的元素个数都大于k/2,我们比较A[k/2-1]和B[k/2-1]两个元素,这两个元素分别表示A的第k/2小的元素和B的第k/2小的元素。这两个元素比较共有三种情况:>、<和=。如果A[k/2-1] < B[k/2-1],这表示A[0]到A[k/2-1]的元素都在A和B合并之后的前k小的元素中。换句话说,A[k/2-1]不可能大于两数组合并之后的第k小值,所以我们可以将其抛弃。
证明也很简单,可以采用反证法。假设A[k/2-1]大于合并之后的第k小值,我们不妨假定其为第(k+1)小值。由于A[k/2-1]小于B[k/2-1],所以B[k/2-1]至少是第(k+2)小值。但实际上,在A中至多存在k/2-1个元素小于A[k/2-1],B中也至多存在k/2-1个元素小于A[k/2-1],所以小于A[k/2-1]的元素个数至多有k/2+ k/2-2,小于k,这与A[k/2-1]是第(k+1)的数矛盾。
当A[k/2-1]>B[k/2-1]时存在类似的结论。
当A[k/2-1]=B[k/2-1]时,我们已经找到了第k小的数,也即这个相等的元素,我们将其记为m。由于在A和B中分别有k/2-1个元素小于m,所以m即是第k小的数。(这里可能有人会有疑问,如果k为奇数,则m不是中位数。这里是进行了理想化考虑,在实际代码中略有不同,是先求k/2,然后利用k-k/2获得另一个数。)
通过上面的分析,我们即可以采用递归的方式实现寻找第k小的数。此外我们还需要考虑几个边界条件:
如果A或者B为空,则直接返回B[k-1]或者A[k-1];
如果k为1,我们只需要返回A[0]和B[0]中的较小值;
如果A[k/2-1]=B[k/2-1],返回其中一个;
否则递归求解(见代码)。
代码:
复习其中vector 用法,erase,assign,iterator等。
min, max函数已加入C++标准函数库可以直接使用。
class Solution {
public:
double median(vector<int>& nums1, vector<int>& nums2, int k){
vector <int>::iterator it;
vector <int> newnums;
int len1 = nums1.size();
int len2 = nums2.size();
if(len1 > len2){
return median(nums2, nums1,k);
}
else{
if (len1 == 0){
return nums2.at(k-1);
}
if(k == 1){
return min(nums1.at(0), nums2.at(0));
}
int pa = min(len1,k/2);
int pb = k - pa;
if(nums1.at(pa-1) > nums2.at(pb-1)){
it = nums2.begin();
//nums2.erase(it, it+pb);
//这里不能用erase,因为在erase会改变nums1,nums2,当len1+len2为偶数时会出错
newnums.assign(it+pb,nums2.end());
k = k - pb;
return median(nums1, newnums, k);
}
else if(nums1.at(pa-1) < nums2.at(pb-1)){
it = nums1.begin();
// nums1.erase(it, it+pa);
newnums.assign(it+pa, nums1.end());
k = k - pa;
return median(newnums, nums2, k);
}
else{
return nums1.at(pa-1);
}
}
}
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
int len1 = nums1.size();
int len2 = nums2.size();
if((len1+len2) % 2 == 0){
return (median(nums1 , nums2, (len1+len2)/2) + median(nums1 , nums2, (len1+len2)/2+1))/2.0;
}
else{
return median(nums1, nums2, (len1+len2+1)/2);
}
}
};
复杂度分析:
O(log(m+n))
的复杂度怎么得到的呢?
由于每次递归,会删去
k2
个元素,总共删去
m+n2
个元素(k一开始为
m+n2
)。所以复杂度为
O(log(m+n))
。
知识点:
本题的代码参考:
http://blog.csdn.net/sunao2002002/article/details/46318329
有关stl vector的详细介绍,见:
http://blog.csdn.net/phoebin/article/details/3864590
有关stl iterator的详细介绍,见:
http://www.cnblogs.com/yc_sunniwell/archive/2010/06/25/1764934.html