float findMedianSortedArrays(int *a, int lenA, int *b, int lenB)
{
if (a == NULL || b == NULL || lenA < 1 || lenB < 1)
{
return 0;
}
int i = 0;
int j = 0;
int k = 0;
int mid = 0;
int flag = 0;
int pre = 0;
if ((lenA + lenB) % 2 == 0)
{
flag = 2;
mid = (lenA + lenB) / 2;
}
else
{
flag = 1;
mid = (lenA + lenB + 1) / 2;
}
while (k < mid && i < lenA && j < lenB)
{
if (a[i] > b[j])
{
j++;
k++;
pre = 2;
}
else
{
i++;
k++;
pre = 1;
}
}
if (k == mid)
{
if (pre == 1)
{
if (flag == 1)
{
return a[i - 1];
}
if (flag == 2)
{
if (j == 0)
{
if (i < lenA && a[i] < b[j])
{
return (float)(a[i - 1] + a[i])/2;
}
else
{
return (float)(a[i - 1] + b[j])/2;
}
}
else
{
if (i < lenA && a[i] < b[j])
{
return (float)(a[i - 1] + a[i])/2;
}
else
{
return (float)(a[i - 1] + b[j])/2;
}
}
}
}
if (pre == 2)
{
if (flag == 1)
{
return b[j - 1];
}
if (flag == 2)
{
if (i == 0)
{
if (j < lenB && b[j] < a[i])
{
return (float)(b[j - 1] + b[j])/2;
}
else
{
return (float)(b[j - 1] + a[i])/2;
}
}
else
{
if (j < lenB && b[j] < a[i])
{
return (float)(b[j - 1] + b[j])/2;
}
else
{
return (float)(b[j - 1] + a[i])/2;
}
}
}
}
}
else if (i == lenA)
{
if (flag == 1)
{
return b[j + mid - k -1];
}
if (flag == 2)
{
return (float)(b[j + mid - k - 1] + b[j + mid - k])/2;
}
}
else if (j == lenB)
{
if (flag == 1)
{
return a[j + mid - k -1];
}
if (flag == 2)
{
return (float)(a[j + mid - k - 1] + a[j + mid - k])/2;
}
}
}
float findMedianSortedArrays(int *a, int lenA, int *b, int lenB)
{
if (a == NULL || b == NULL || lenA < 1 || lenB < 1)
{
return 0;
}
int i = 0;
int j = 0;
int k = 0;
int mid = 0;
int flag = 0;
int pre = 0;
if ((lenA + lenB) % 2 == 0)
{
flag = 2;
mid = (lenA + lenB) / 2;
}
else
{
flag = 1;
mid = (lenA + lenB + 1) / 2;
}
while (k < mid && i < lenA && j < lenB)
{
if (a[i] > b[j])
{
j++;
k++;
pre = 2;
}
else
{
i++;
k++;
pre = 1;
}
}
if (k == mid)
{
if (pre == 1)
{
if (flag == 1)
{
return a[i - 1];
}
if (flag == 2)
{
if (j == 0)
{
if (i < lenA && a[i] < b[j])
{
return (float)(a[i - 1] + a[i])/2;
}
else
{
return (float)(a[i - 1] + b[j])/2;
}
}
else
{
if (i < lenA && a[i] < b[j])
{
return (float)(a[i - 1] + a[i])/2;
}
else
{
return (float)(a[i - 1] + b[j])/2;
}
}
}
}
if (pre == 2)
{
if (flag == 1)
{
return b[j - 1];
}
if (flag == 2)
{
if (i == 0)
{
if (j < lenB && b[j] < a[i])
{
return (float)(b[j - 1] + b[j])/2;
}
else
{
return (float)(b[j - 1] + a[i])/2;
}
}
else
{
if (j < lenB && b[j] < a[i])
{
return (float)(b[j - 1] + b[j])/2;
}
else
{
return (float)(b[j - 1] + a[i])/2;
}
}
}
}
}
else if (i == lenA)
{
if (flag == 1)
{
return b[j + mid - k -1];
}
if (flag == 2)
{
return (float)(b[j + mid - k - 1] + b[j + mid - k])/2;
}
}
else if (j == lenB)
{
if (flag == 1)
{
return a[j + mid - k -1];
}
if (flag == 2)
{
return (float)(a[j + mid - k - 1] + a[j + mid - k])/2;
}
}
}
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)).
标签: Divide and Conquer Array Binary Search
分析
这是一道非常经典的题。这题更通用的形式是,给定两个已经排序好的数组,找到两者所有元素中第$k$大的元素。
$O(m+n)$的解法比较直观,直接merge两个数组,然后求第$k$大的元素。
不过我们仅仅需要第$k$大的元素,是不需要“排序”这么复杂的操作的。可以用一个计数器,记录当前已经找到第$m$大的元素了。同时我们使用两个指针{pA}和{pB},分别指向A和B数组的第一个元素,使用类似于merge sort的原理,如果数组A当前元素小,那么{pA++},同时{m++};如果数组B当前元素小,那么{pB++},同时{m++}。最终当$m$等于$k$的时候,就得到了我们的答案,$O(k)$时间,$O(1)$空间。但是,当$k$很接近$m+n$的时候,这个方法还是$O(m+n)$的。
有没有更好的方案呢?我们可以考虑从$k$入手。如果我们每次都能够删除一个一定在第$k$大元素之前的元素,那么我们需要进行$k$次。但是如果每次我们都删除一半呢?由于A和B都是有序的,我们应该充分利用这里面的信息,类似于二分查找,也是充分利用了“有序”。
假设A和B的元素个数都大于$k/2$,我们将A的第$k/2$个元素(即{A[k/2-1]})和B的第$k/2$个元素(即{B[k/2-1]})进行比较,有以下三种情况(为了简化这里先假设$k$为偶数,所得到的结论对于$k$是奇数也是成立的):
\item {A[k/2-1] == B[k/2-1]}
\item {A[k/2-1] > B[k/2-1]}
\item {A[k/2-1] < B[k/2-1]}
如果{A[k/2-1] < B[k/2-1]},意味着{A[0]}到{A[k/2-1}的肯定在$A \cup B$的top k元素的范围内,换句话说,{A[k/2-1}不可能大于$A \cup B$的第$k$大元素。留给读者证明。
因此,我们可以放心的删除A数组的这$k/2$个元素。同理,当{A[k/2-1] > B[k/2-1]}时,可以删除B数组的$k/2$个元素。
当{A[k/2-1] == B[k/2-1]}时,说明找到了第$k$大的元素,直接返回{A[k/2-1]}或{B[k/2-1]}即可。
因此,我们可以写一个递归函数。那么函数什么时候应该终止呢?
\item 当A或B是空时,直接返回{B[k-1]}或{A[k-1]};
\item 当{k=1}是,返回{min(A[0], B[0])};
\item 当{A[k/2-1] == B[k/2-1]}时,返回{A[k/2-1]}或{B[k/2-1]}
代码1
01 | // LeetCode, Median of Two Sorted Arrays |
02 | // 时间复杂度O(log(m+n)),空间复杂度O(log(m+n)) |
03 | class Solution { |
04 | public : |
05 | double findMedianSortedArrays( int A[], int m, int B[], int n) { |
06 | int total = m + n; |
07 | if (total & 0x1) |
08 | return find_kth(A, m, B, n, total / 2 + 1); |
09 | else |
10 | return (find_kth(A, m, B, n, total / 2) |
11 | + find_kth(A, m, B, n, total / 2 + 1)) / 2.0; |
12 | } |
13 | private : |
14 | static int find_kth( int A[], int m, int B[], int n, int k) { |
15 | //always assume that m is equal or smaller than n |
16 | if (m > n) return find_kth(B, n, A, m, k); |
17 | if (m == 0) return B[k - 1]; |
18 | if (k == 1) return min(A[0], B[0]); |
19 |
20 | //divide k into two parts |
21 | int ia = min(k / 2, m), ib = k - ia; |
22 | if (A[ia - 1] < B[ib - 1]) |
23 | return find_kth(A + ia, m - ia, B, n, k - ia); |
24 | else if (A[ia - 1] > B[ib - 1]) |
25 | return find_kth(A, m, B + ib, n - ib, k - ib); |
26 | else |
27 | return A[ia - 1]; |
28 | } |
29 | }; |