[Week 6] LeetCode 4. Median of Two Sorted Arrays

LeetCode 4. Median of Two Sorted Arrays

问题描述

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)).

You may assume nums1 and nums2 cannot be both empty.

输入输出实例

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

题解

先瞄一眼时间复杂度O(log(m+n))，嗯没错应该是用二分法了，如果是只有一个数组的话，我想大家看到这里会锤我一把骂我浪费大家时间了。这题是在两个已排序的数组中，找到两个数组中所有元素的中位数，也就是说需要考虑奇数和偶数个元素的情况。那我们不妨把问题简化一下，寻找两个数组中的Kth元素如何？在这个题K=(m+n+1)/2和K=(m+n+2)/2，我们不妨验证一下：（这里的/是C中的整数除法运算哦）

1. 假设len(nums1)=2和len(nums2)=1，那么K=2。
2. 假设len(nums1)=2和len(nums2)=2，那么K=2和3。

那怎么在两个有序数组中寻找Kth元素呢？

我们先找到两个数组中(K/2)th元素，分别为a和b，分以下情况讨论：

1. a < b，那就代表着nums1中前K/2个元素一定不存在中位数。

2. a > b，那就代表着nums2中前K/2个元素一定不存在中位数。

3. a = b，那我们好像就得到答案了？

也就是说，我们每次都淘汰K/(2^k)个元素（k是我们处理的次数），然后把剩余的元素进行上述操作，即递归操作。有的同学看到这里要开始怼我了，说两个数组不一定有K/2个元素你怎么说？那我们可以这样处理嘛（先把刀放下），假设第一个数组元素小于K/2，我们可以让a=INT_MAX，为什么呢？同样道理嘛，如果len(nums1)<K/2，就代表nums2的前K/2个元素一定不存在中位数，为什么？反证法走起！要让其存在中位数，则len(nums1)+K/2 > K，做不到吧？

现在说说边界条件，什么时候应该停止呢？

1. 当你把某个数组淘汰完后，也就是你只需要在剩下的数组上，使用numsx[begin+K/(2^(k-1))]找到它了。
2. 否则，当K/(2^(k-1)) == 1时，意味着我们只需要比较两个数组段（因为我们把数组不断地切割）的首元素就好，找到最小的那个！

到这里我们把findKth描述完了，最后只需要比较一下K1和K2，如果相等我们就没必要找两次了嘛！

废话不多说，上代码！（希望大家好好想想数组定位的下标为什么这么写？因为我的表达能力有限，无法给你们说出个所以然）

Code

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
      int m1 = (nums1.size() + nums2.size() + 1) / 2,
      m2 = (nums1.size() + nums2.size() + 2) / 2;

      if (m1 == m2) return findKthNum(nums1, 0, nums2, 0, m1);
      else return (findKthNum(nums1, 0, nums2, 0, m1) + findKthNum(nums1, 0, nums2, 0, m2)) / 2.0;
    }

private:
    int findKthNum(vector<int>& nums1, int i, vector<int>& nums2, int j, int k) {
      if (i >= nums1.size()) return nums2[j + k - 1];
      if (j >= nums2.size()) return nums1[i + k - 1];
      if (k == 1) return min(nums1[i], nums2[j]);
      int mid1 = i + k / 2 - 1 < nums1.size() ? nums1[i + k / 2 - 1] : INT_MAX;
      int mid2 = j + k / 2 - 1 < nums2.size() ? nums2[j + k / 2 - 1] : INT_MAX;
      if (mid1 < mid2) {
        return findKthNum(nums1, i + k / 2, nums2, j, k - k / 2);
      } else {
        return findKthNum(nums1, i, nums2, j + k / 2, k - k / 2);
      }
    }
};

复杂度

上述题解中我们也说到，每次我们都淘汰K/(2^k)个元素，虽然我们有m+n个元素，但事实上如果K < m+n，我们接触到的数组范围实际上是K呀，（这里我不太确定），但是我们算法的上界确实是O(log(m+n))。