Median of Two Sorted Arrays

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)).    

关键点：

时间复杂度 ，递归的使用，边界处理

中位数：位置位于数组正中间的数，如果数组是奇数，那么就是正中间的数，如果是偶数，就是中间位置的两个数的平均数。

基本知识：

时间复杂度 

时间复杂度和渐近时间复杂度，前者是某个算法的时间耗费，它是该算法所求解问题规模n的函数，而后者是指当问题规模趋向无穷大时，该算法时间复杂度的数量级。在评价一个算法性能时，我们通常用渐近时间复杂度T(n)=O(f(n))简称为时间复杂度，其中的f(n)一般是算法中频度最大的语句频度。同时我们总是考虑在最坏的情况下的时间复杂度。以保证算法的运行时间不会比它更长。

        常见的时间复杂度，按数量级递增排列依次为：

常数阶O(1)、对数阶O(log2n)、线性阶O(n)、线性对数阶O(nlog2n)、平方阶O(n^2)、立方阶O(n^3)、k次方阶O(n^k)、指数阶O(2^n)。

有如下复杂度关系：

c < log2N < n < n * Log2N < n^2 < n^3 < 2^n < 3^n < n!
其中c是一个常量，如果一个算法的复杂度为c 、 log2N 、n 、 n*log2N ,那么这个算法时间效率比较高 ，如果是 2^n , 3^n ,n!，那么稍微大一些的n就会令这个算法不能动了。

问题等同于第k小数的问题

分治法

class Solution {
public:
	double findMid(int a[], int m, int b[], int n, int k) 
	{ 
		if(n<m) 
			return findMid(b,n,a,m,k); //保证能够继续切除，或者已有一组数到达结尾

		if(m==0) 
			return b[k-1];           //递归条件1
		if(k==1)                          
			return min(a[0],b[0]);   //递归条件2
		int pa = min(m,k/2);        //保证能够继续切除，或者已有一组数到达结尾
		int pb = k - pa; 
		if(a[pa-1] < b[pb-1])            //递归条件3
			return findMid(a+pa,m-pa,b,n,k-pa); 
		else if(a[pa-1] > b[pb-1]) 
			return findMid(a,m,b+pb,n-pb,k-pb); 
		else 
			return a[pa-1]; 
	} 
	double findMedianSortedArrays(int A[], int m, int B[], int n) { 
		int total = m+n; 
		if(total %2 == 1 ) 
			return findMid(A,m,B,n,total/2+1); 
		else 
			return (findMid(A,m,B,n,total/2)+findMid(A,m,B,n,total/2+1))/2; 
	}  
	
};