【描述】
有两个大小分别为m和n的排序数组A和B,找到两个排序的中间值数组。总体运行时复杂度应该为O(log(m + n));
【分析】
这是一道很不错的例题,就如给定两个已经排序好的数组,找到两者所有元素中的第k大的元素;
O(m+n)的算法比较只管,直接merge两个数组,然后求第k大的元素。
不过只是需要第K大的元素,没有必要进行排序求取。可以使用一个计数器和两个指针就可以解决,此处就不进行详细解说(如果想知道详细思路,请评论区留言)。寻找较优算法,我们可以从k出发。还有一点,我们应该充分利用已知信息 - “有序”,所以可以考虑二分法;
假设数组A 和 数组B 的元素个数都大于k/2,我们将A的第k/2个元素 和 B的k/2个元素进行比较,情况如下:
情况一:A[K/2 - 1] < B[K/2 -1];
情况二:A[K/2 - 1] == B[K/2 -1];
情况三:A[K/2 - 1] > B[K/2 - 1];
如果属于情况一,意味着A[0] ~ A[K/2 - 1]的元素值 肯定 在 A 和B元素总和的top k元素的范围内(如有不相信,可以自证);
因此,可以删除A数组的这k/2个元素。同理,如果属于情况三,可以删除B数组的k/2个元素。
当属于情况二时,说明已经找元素,直接返回任意一个值。
注意:
【代码实现】
注意:需要测试用例,评论留言;
//demo.h
int findMidSortedArrs(int A[], int m, int B[], int n);
//demo.c
#include "demo.h"
int myMin(int a, int b)
{
return a > b ? b : a;
}
static int findKth(int A[], int m, int B[], int n, int k)
{
if (m > n) {
return findKth(B, n, A, m, k);
}
if (m == 0) {
return A[k - 1];
}
if (k == 1) {
return myMin(A[0], B[0]);
}
int ia = myMin(k/2, m), ib = k - ia;
if (A[ia - 1] < B[ib - 1]) {
return findKth(A + ia, m - ia, B, n, k - ia);
}
else if (A[ia - 1] > B[ib - 1]) {
return findKth(A, m, B + ib, n - ib, k - ib);
}
else {
return A[ia - 1];
}
}
int findMidSortedArrs(int A[], int m, int B[], int n)
{
int total = m + n;
if (total % 2 != 0) {
return findKth(A, m, B, n, total / 2 + 1);
}
else {
return (findKth(A, m, B, n, total / 2)
+ findKth(A, m, B, n, total / 2 + 1));
}
}