LeetCode笔记-A4-Median of Two Sorted Arrays(需要回顾)

There are two sorted arrays nums1 and nums2 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)).

You may assume nums1 and nums2 cannot be both empty.

Example 1:

nums1 = [1, 3]
nums2 = [2]

The median is 2.0
Example 2:

nums1 = [1, 2]
nums2 = [3, 4]

The median is (2 + 3)/2 = 2.5

solution:

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        int m = nums1.size(),n = nums2.size();
        if(m==0) return n%2==0?(nums2[n/2-1]+nums2[n/2])/2.0:nums2[n/2];
        if(n==0) return m%2==0?(nums1[m/2-1]+nums1[m/2])/2.0:nums1[m/2];
        if (m > n) {//ensure m<=n

            nums1.swap(nums2);
            int temp2 = m;
            m = n;
            n = temp2;
        }
        int i_min =0,i_max=m;// i's range
        int half=(m+n+1)/2; // if m+n is even, as int division is down to floor, result is right; if m+n is odd,result is right,too
        while (i_min <= i_max){
            int i = (i_max+i_min)/2;//binary search
            int j = half - i;
            if (i < i_max && nums2[j-1] > nums1[i]) {
                i_min = i+1;// i is small
            }else if (i>i_min && nums1[i-1]>nums2[j]) {
                i_max = i-1;
            }else{// get the right i
                int max_left = 0;
                if (i==0) max_left=nums2[j-1];
                else if (j==0) max_left=nums1[i-1];
                else {
                    max_left = max(nums1[i-1],nums2[j-1]);
                }
                if ((m+n)%2 == 1) {// when it is odd
                    return max_left;
                }
                int min_right = 0;
                if (i==m) {
                    min_right=nums2[j];
                } else if (j==n) {
                    min_right= nums1[i];
                } else min_right=min(nums1[i],nums2[j]);

                return (max_left + min_right)/2.0;


            }

        }

    }
};

总结

这个题我没做出来,上面的solution是看了Java版本的参考答案后,自己用c++再写的。老实说,这个题限制时间复杂度为logn,肯定是要二分搜索的。我刚开始以为只要找两个数组的中位数,再根据两个中位数的大小取两个数组的左半部分或右半部分就可以了;但试了几个例子之后,发现这种分解不能保证子问题的解也是原问题的解(其实不用试也知道,只能说当时先入为主觉得这个方法能work),然后就卡住了。纠结了一个小时之后,还是看了参考答案
参考答案的思路很巧妙,看上去也很直接:它的核心应该就是同时在两个数组上进行二分搜索,为了达成这一点,它根据中位数的定义建立了数组1的下标i和数组2的下标j的关系,然后分情况讨论,处理边界条件,对i进行二分搜索(由于i,j的定量关系,j也同时变化),最后找到合适的i,然后根据奇偶输出结果。
自己还是不够理智,一种思路不通之后,就应该认真重复问题的;但也确实,我想问题不够深入,遇到这种灵活一点的题,很容易卡壳,只能慢慢来吧。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用二分查找算法来解决这个问题。 首先,我们可以将两个数组合并成一个有序数组,然后求出中位数。但是,这个方法的时间复杂度为 $O(m + n)$,不符合题目要求。因此,我们需要寻找一种更快的方法。 我们可以使用二分查找算法在两个数组中分别找到一个位置,使得这个位置将两个数组分成的左右两部分的元素个数之和相等,或者两部分的元素个数之差不超过 1。这个位置就是中位数所在的位置。 具体来说,我们分别在两个数组中二分查找,假设现在在第一个数组中找到了一个位置 $i$,那么在第二个数组中对应的位置就是 $(m + n + 1) / 2 - i$。如果 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m$ 个,或者 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m + 1$ 个,则这个位置就是中位数所在的位置。 具体的实现可以参考以下 Java 代码: ```java public double findMedianSortedArrays(int[] nums1, int[] nums2) { int m = nums1.length, n = nums2.length; if (m > n) { // 保证第一个数组不大于第二个数组 int[] tmp = nums1; nums1 = nums2; nums2 = tmp; int t = m; m = n; n = t; } int imin = 0, imax = m, halfLen = (m + n + 1) / 2; while (imin <= imax) { int i = (imin + imax) / 2; int j = halfLen - i; if (i < imax && nums2[j - 1] > nums1[i]) { imin = i + 1; // i 太小了,增大 i } else if (i > imin && nums1[i - 1] > nums2[j]) { imax = i - 1; // i 太大了,减小 i } else { // i 是合适的位置 int maxLeft = 0; if (i == 0) { // nums1 的左边没有元素 maxLeft = nums2[j - 1]; } else if (j == 0) { // nums2 的左边没有元素 maxLeft = nums1[i - 1]; } else { maxLeft = Math.max(nums1[i - 1], nums2[j - 1]); } if ((m + n) % 2 == 1) { // 总元素个数是奇数 return maxLeft; } int minRight = 0; if (i == m) { // nums1 的右边没有元素 minRight = nums2[j]; } else if (j == n) { // nums2 的右边没有元素 minRight = nums1[i]; } else { minRight = Math.min(nums1[i], nums2[j]); } return (maxLeft + minRight) / 2.0; } } return 0.0; } ``` 时间复杂度为 $O(\log\min(m, n))$。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值