Problem: Median of Two Sorted Arrays （979／5373 -- 18%)
Problem Description: There are two sorted arrays A and B 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)). Struggled to write bug-free code within 20 mins. Still have bugs. Take care of corner cases.
这是一道有点令我抓狂的问题。实际上，现在这道题也没有通过online judge。但是，我打算先把这道题先记下来，日后update。难怪这道题只有18%的通过率。
Step I: Ask Questions
Make sure if they are numbers, strings or other? Are they both ascending or descending, or other cases? What is median?
Step II: Describe Approach to the problem-->Algorithm-->Algorithm Analysis
这个题首先要弄清楚median，median是一组有序数列中间的元素，如果数列长度为偶数，median是中间的两个元素的average。首先，这道题如果不考虑复杂度，就是一个mergeSort的merge的过程，设置两个指针指向两个数组的起始位置，然后按大小依次向后移动指针，就可以得到merge后的数组。这里，只需到找到第m+n/2个元素就可以，但是这样的时间复杂度仍然为O(m+n)。
如何可以完成O(log(m+n))? log的复杂度，让我们直观的想到binary search。可是这个问题如何实现binary search？
Binary Search是在一个有序的数列里search一个元素，首先将这个元素与中间的元素进行比较，在比较的结果除了相等以外，有大于和小于两种情况，这样通过一次比较，就可以将一个在n个元素中寻找1个元素的问题，缩小为在n/2个元素里search 1个元素的问题，由于两个数比较的大小概率基本相等，所以这样的search最大程度上剔除了不合适的元素。前两天看了刘未鹏的一篇文章，讲了有关排序问题与信息论的关系，很不错，推荐看下http://blog.csdn.net/pongba/article/details/2544933
而这个问题是，我们不知道哪个是这个中间元素。但是我们可不可以引用相同的思想来找到这个median呢？ 每一次剔除一半的元素，然后通过log(m+n)次比较来找到它呢。
每一次剔除一半的元素，想到的是找A和B分别的median，如果通过什么方法能够剔除一半的A，一半的B，那我们就达成任务了。
如果我们比较median(A)和median(B)会有什么结果？ median(A)<median(B),median(A)>median(B),median(A)=median(B).
1)如果median(A) = median(B). 这很好，因为，不管前面和后面的元素大小如何，median(A)前面有m/2+n/2个元素，不论奇偶情况，我们都可以很快的找到median
2)如果median(A)<median(B)。 类似上面的推断，我们发现，median(A)一定小于median，median(A)<median(B), 那么在B中比median(A)小的数少于n/2，那么在merge之后的数组里，比median(A)小的数少于m/2+n/2，因此median(A)<median; 同理推得，median(B)一定大于median。
经过这一次比较，我们得出结论，median在median(A)和median(B)之间，对应得，我们可以肯定，median肯定大于A[0]~median(A),肯定小于median(B)-B[n-1].
3) 如果median(A) >median(B)。和2)是相同的情况。
我们通过第一次比较，可以剔除m+n/2个元素，达到了目的，那么第二次比较呢？
经过第一次比较，假设是第二种情况，我们知道，至少A[0]~median(A)是在median前面，那么，这个问题转化成了，在A1=median(A)~A[m-1]和B1=B[0]~median(B)这(m+n)/2数里面，找第n/2小的数, 这里出现了问题。这个sub problem和之前的问题不一样了，不是找median了，我有两种选择，1是在两个sub array里面分别找n/4大元素，然后和第一次比较一样，
2是还是比较这两个sub array的median。第一种情况需要考虑是否n/4小于m/2，但是如果仔细考虑，是可以继续的。但是，这样的话，算法复杂度是O(log(m+n))么？我们很显然，第二次没有剔除到一半的元素，所以还是尝试第2种选择。
median(A1)和median(B1)比较，如果median(A1)<median(B1), median在median(A1)~A[m-1]和B[0]~median(B1)之间，那么至少A[0]~median(A1)小于median, median(B1)~B[n-1]大于median
如果median(A1)>median(B1), 那么至少A[0]~median(A)和B[0]~median(B1)小于median，median在median(A)~median(A1)和median(B1)~median(B)之间，median[A1]~A[m-1]和median(B)~B[n-1]大于median
无论那种情况，median的区间都被缩小到了(m+n)/4长度的数组里了。
这样经过log(m+n)次比较，我们一定可以找到将median的区间缩小到长度为1的数组，也就是找到它。
有几个问题需要考虑:
1. 奇偶。因为奇偶长度时，median的定义不同，因此我们需要定义不同的函数来handle
2. 假设我们把区间分别缩小为1,这两个元素那一个是median，还是他们的average？我们需要有一个counter，count这两个数前面有多少个数。
算法：
1. 如果m+n是奇数，找merge后的第(m+n)/2 + 1个元素；如果m+n是偶数，找merge后的第(m+n)/2和第(m+n)/2+1个元素
2. 定义两个量start,end分别指向当前median区间的上下界。定义lastStart和lastEnd，记录上一次的区间，以防止start>(m+n)/2.
while( subA.length()>1 && subB.length()>1 && start < (m+n)/2 )
medianA = subA.length()/2, medianB = subB.length()/2, compare subA[medianA] with subB[medianB];
if( subA[medianA] > subB[medianB] ) start = start + medianB; end = end-medianA:
else start = start + medianA; end = end - medianB;
update array. record last start and last end.
3. if start > (m+n)/2, start = lastStart, end = lastEnd,then merge the two sub array, until start = (m+n)/2
else if ( subA.length() <=1 ) or (subB.length()<=1 )
//FALSE CODE 174/2098
do binary search until start = (m+n)/2.
算法复杂度： O(log(m+n)
这道题还是没有很清晰的思路，改日再来改正这个答案
98
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
