Leetcode 4 Median of Two Sorted Arrays 两个有序数组的中位数

这道题,根据时间复杂度的要求可以想到是利用mid值,但是怎么利用,还有就是奇偶的不同,我觉得还是人家的办法好,也就是这里的第二种办法。

题目如下:

给定两个大小为 m 和 n 的有序数组 nums1 和 nums2 

请找出这两个有序数组的中位数。要求算法的时间复杂度为 O(log (m+n)) 。

示例 1:

nums1 = [1, 3]
nums2 = [2]

中位数是 2.0

我的笨方法:32ms

package test;

public class LC4Try1
{
	public double findMedianSortedArrays(int[] nums1, int[] nums2)
	{
		double ret = 0;
		int l1=nums1.length;
		int l2=nums2.length;
		int count=(l1+l2)/2;
		//tag就是标签,决定取一位还是两位//所以我这个并不好,人家的只是找一个,我这个还是分情况
		int tag=(l1+l2)%2;
		ret=getpass(nums1,nums2,0,l1,0,l2,count,tag);
		return ret;
	}

	public double getpass(int[] nums1, int[] nums2, int s1, int e1, int s2,
			int e2,int count,int tag)
	{
		double ret;
		if(s1==e1){
        	if(tag==0){
				ret=(nums2[s2+count-1]+nums2[s2+count])/2.0;
			}else{
				ret=nums2[s2+count];
			}
        	return ret;
		}
        if(s2==e2){
        	if(tag==0){
				ret=(nums1[s1+count-1]+nums1[s1+count])/2.0;
			}else{
				ret=nums1[s1+count];
			}
        	return ret;
        }
		
		if(count==1){		
			
			
			if(tag==0){
				int min1=nums1[s1];			
				int min2=nums2[s2];
				if(s1+1<e1){
					min2=Math.min(min2, nums1[s1+1]);				
				}
				if(s2+1<e2){
					min1=Math.min(min1, nums2[s2+1]);
					
				}
				//ret取的是第一小和第二小值
				ret=(min1+min2)/2.0;
			}else{
				int max1=Math.max(nums1[s1], nums2[s2]);
				if(s1+1<e1){
					max1=Math.min(max1, nums1[s1+1]);
				}
				if(s2+1<e2){
					max1=Math.min(max1, nums2[s2+1]);
				}
				//ret取的第二小值
				ret=max1/1.0;
			}
			return ret;
		}
        
		
		int len=Math.min(e1-s1, e2-s2);        
		len=Math.min(len, count/2);
		count=count-len;
		if(nums1[s1+len-1]<=nums2[s2+len-1]){			
			 ret=getpass(nums1,nums2,s1+len,e1,s2,e2,count,tag);
		}else{
			ret=getpass(nums1,nums2,s1,e1,s2+len,e2,count,tag);
		}
		return ret;
	}
	public static void main(String[] args)
	{
		LC4Try1 t = new LC4Try1();
		int[] nums1={2,3,4};
		int[] nums2={1};
		System.out.println(t.findMedianSortedArrays(nums1, nums2));
	}
}

较好的办法:29ms

package test;
//喜欢
public class LC4Try2
{
	 public double findMedianSortedArrays(int[] nums1, int[] nums2) {      
	        int l = (nums1.length + nums2.length + 1) / 2;
	        int r = (nums1.length + nums2.length + 2) / 2;
	        return (findKth(nums1, 0, nums2, 0, l) + findKth(nums1, 0, nums2, 0, r)) / 2.0;
	    } 
	    
	    public double findKth(int[] A, int aStart, int[] B, int bStart, int k) {
	        if (aStart >= A.length) return B[bStart + k - 1];
	        if (bStart >= B.length) return A[aStart + k - 1];
	        if (k == 1) return Math.min(A[aStart], B[bStart]);
	        
	        int aMid = Integer.MAX_VALUE;
	        int bMid = Integer.MAX_VALUE;
	        if (aStart + k/2 - 1 < A.length) aMid = A[aStart + k/2 - 1];
	        if (bStart + k/2 - 1 < B.length) bMid = B[bStart + k/2 - 1];
	        
	        if (aMid < bMid) {
	            return findKth(A, aStart + k/2, B, bStart, k - k/2);
	        } else {
	            return findKth(A, aStart, B, bStart + k/2, k - k/2);
	        }
	    }

}

哈哈

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