LeetCode || Median of Two Sorted Arrays

Median of Two Sorted Arrays

  Total Accepted: 9557  Total Submissions: 57293 My Submissions

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)).

大意是在两个排好序（升序）的数组A, B中找到median值并返回，二者长度分别为m、n，median值的定义是如果一共有奇数个元素，那么返回中间位置的那个数，如果有偶数个元素，返回中间两个位置元素的平均值。时间复杂度要求为 O(log（m+n）)。

2、思路一：首先想到的最基本的方法就是：将A, B merge到一个长数组C中，然后对C进行快速排序，最后直接取到中间位置的median值，时间复杂度为：O((M+N)log(m+n))，主要消耗在排序上，显然不符合题目要求。

     思路二：同样对A，B进行merge，但是一边merge，一边记录着索引值，一旦merge到了中间位置的元素，就可以结束了，返回median，这样做虽然没有使用（m+n）时间，但是复杂度应该也算作O(m+n)，所以也不行。

      解决方法：最后在一个博客中看到了某大神的代码，只有三十二行，思路是利用分治法寻找第K小元素的策略，如果m+n为奇数，那么最后的median为一个现有的数组元素，也即寻找A，B整体中的第K小元素，K=(m+n)/2+1，例如m+n=5，时就是找第3小的元素；如果m+n为偶数，那么就可以分为两步，先找第K=（m+n）/2小元素，再找到第 K+1 小的元素，最后二者取平均值即为median值。

         具体在两个已排序数组A，B中如何寻找第K小元素呢？根据分治法策略，是进行一次次的迭代（递归），每次迭代都将寻找的范围缩小一部分。做法是比较 x=A[(k/2)-1] 与 y=B[(k/2)-1]：

        （1）如果二者相等，那么返回二者中任何一个都是第K小的，因为 在A中有 k/2-1 个元素比二者小，在B中也有 k/2-1 个元素比二者小，一共 k-2 个，再算上二者正好为 K个元素，因为二者相等，故都可以作为第K小元素；

        （2）如果 x<y ，说明A中所有 x 及之前的元素都一定在最终的第K小元素之前出现，因为 x与y 及其前面的元素一共才 K 个。 接下来就可以不再考虑 x及其之前的元素了，这步就是分治法缩小处理范围的步骤，下面就在 A中x之后的元素和B中继续迭代，找出第 K-K/2 小的元素；可见，每次都能把范围缩小 K/2，而K正好是与 m+n 相关的（K=（m+n）/2或者（m+n）/2+1）；

        （3）如果 x>y ，说明B中所有 y 及之前的元素都一定在第K小元素之前出现，接下来继续在 A以及B的 y 之后的元素中寻找第 K-K/2 小的元素。

        

编码实现需要注意的地方：

    （1）首先要判断A，B中是否A更短，否则将A，B交换位置重新调用函数，即给函数传递参数时要把短的放在前面，原因在下面会有解释；

    （2）首先要判断A，B数组是否某个为空，即没有元素，此时只需返回非空的那个数组中第K个元素即可。因为不可能两个数组同时为空，而且在（1）中我们已经把短的数组放在了前面，所以这步只需要判断数组A是否长度为0即可；

    （3）在判断 x与y 的大小关系时，还要注意看 A中的元素个数 m 与 k/2 的大小关系，如果 m<k/2，说明A中元素相对来说很少，此时我们显然不存在 A[k/2-1] 这个元素了，这是我们只能取 A[m-1] 来代替，也即取二者中的较小值，即 min（m，k/2）。

    （4）迭代（递归）结束的条件是：1、A，B中其中一个为空；2、K=1，此时只需返回 A[0]和B[0] 中较小的值。

代码如下：

class Solution {
    double 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 B[k-1];
        if(k==1)
            return min(A[0], B[0]);
        else{
            int sa=min(m, k/2), sb=k-sa;
            if(A[sa-1]==B[sb-1])
                return A[sa-1];
            else if(A[sa-1]<B[sb-1])
                return findKth(A+sa, m-sa, B, n, k-sa);
            else
                return findKth(A, m, B+sb, n-sb, k-sb);
        }
    }
public:
    double findMedianSortedArrays(int A[], int m, int B[], int n) {
        int total=m+n;
        int k=total/2;
        if(total%2)
            return findKth(A, m, B, n, k+1);
        else
            return (findKth(A, m, B, n, k)+findKth(A, m, B, n, k+1))/2;
    }
};

心得体会：

        开始读完题时，没有思路，尤其是对于时间复杂度要求为  O(log (m+n))，根本无从下手，看完大神的代码，才有些感触。

        对于能用遍历（O(N)）解决的问题，首先要考虑能否用排序（O(N*logN)）解决，如果还不满足要求，那么就考虑能否将问题转化为分治、二分查找这些时间复杂度为 O(logN) 的策略。