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)).

这个题目体现了很好的算法分析思想。这个题目最直接方法有两个，第一个：合并两个数组，然后找到第中间元素，复杂度O(nlogn)。第二种直接方法：两个指针指向数组统计计数，直到找到中位数。复杂度O(n)。

把这个问题进行抽象，找到第K大的元素。

首先假设数组A和B的元素个数都大于k/2，我们比较A[k/2-1]和B[k/2-1]两个元素，这两个元素分别表示A的第k/2小的元素和B的第k/2小的元素。这两个元素比较共有三种情况：>、<和=。如果A[k/2-1]<B[k/2-1]，这表示A[0]到A[k/2-1]的元素都在A和B合并之后的前k小的元素中。换句话说，A[k/2-1]不可能大于两数组合并之后的第k小值，所以我们可以将其抛弃。

证明也很简单，可以采用反证法。假设A[k/2-1]大于合并之后的第k小值，我们不妨假定其为第（k+1）小值。由于A[k/2-1]小于B[k/2-1]，所以B[k/2-1]至少是第（k+2）小值。但实际上，在A中至多存在k/2-1个元素小于A[k/2-1]，B中也至多存在k/2-1个元素小于A[k/2-1]，所以小于A[k/2-1]的元素个数至多有k/2+ k/2-2，小于k，这与A[k/2-1]是第（k+1）的数矛盾。

当A[k/2-1]>B[k/2-1]时存在类似的结论。

当A[k/2-1]=B[k/2-1]时，我们已经找到了第k小的数，也即这个相等的元素，我们将其记为m。由于在A和B中分别有k/2-1个元素小于m，所以m即是第k小的数。(这里可能有人会有疑问，如果k为奇数，则m不是中位数。这里是进行了理想化考虑，在实际代码中略有不同，是先求k/2，然后利用k-k/2获得另一个数。)

通过上面的分析，我们即可以采用递归的方式实现寻找第k小的数。此外我们还需要考虑几个边界条件：

• 如果A或者B为空，则直接返回B[k-1]或者A[k-1]；
• 如果k为1，我们只需要返回A[0]和B[0]中的较小值；
• 如果A[k/2-1]=B[k/2-1]，返回其中一个；

实现：

public double findMedianSortedArrays(int A[], int B[]) {
		int m = A.length;
		int n = B.length;
		int k = (m+n)/2;
		if((m+n)%2 == 0){
			return (findKth(A, B, m, n, k)+findKth(A, B, m, n, k+1))/2;
		}
		else {
			return findKth(A, B, m, n, k+1);
		}
	}
	public double findKth(int []A,int[]B,int m,int n,int k){
		if(m>n){
			return findKth(B, A, n, m,k);
		}
		if(m == 0){
			return B[k-1];
		}
		if(k == 1){
			return Math.min(A[0], B[0]);
		}
		int pa = Math.min(k/2, m);
		int pb = k - pa;
		if(A[pa-1]<B[pb-1]){
			return findKth(Arrays.copyOfRange(A, pa,A.length), B, m-pa, n, k-pa);
		}
		else if(A[pa-1]>B[pb-1]){
			return findKth(A, Arrays.copyOfRange(B, pb,B.length), m, n-pb, k-pb);
		}
		else {
			return A[pa-1];
		}
	}

参考：http://blog.csdn.net/yutianzuijin/article/details/11499917