LeetCode刷题笔记4寻找两个正序数组的中位数，android音视频开发

最新推荐文章于 2024-08-15 05:02:54 发布

Alibaba_开源

最新推荐文章于 2024-08-15 05:02:54 发布

阅读量608

点赞数 19

分类专栏：程序员学习文章标签： leetcode 笔记 android

本文链接：https://blog.csdn.net/m0_63174811/article/details/136883762

版权

程序员学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

文章讲述了如何将两个有序数组的中位数查找时间复杂度从O(m+n)优化到O(log(m+n))，通过二分查找法实现，避免了直接合并数组。作者还详细解释了划分数组和二分查找在求解过程中的应用以及举例说明了具体操作步骤。

摘要由CSDN通过智能技术生成

}
leftL = leftEnd - leftStart + 1;
rightL = rightEnd - rightStart + 1;
}
if (leftL == 0) {
return (nums2[rightStart] + nums2[rightEnd]) / 2.0;
} else if (rightL == 0) {
return (nums1[leftStart] + nums1[leftEnd]) / 2.0;
} else {
return (nums1[leftStart] + nums2[rightStart]) / 2.0;
}
}

可以看到我们自己的方案虽然能够获取正确值，但是其时间复杂度为o(m+n),m n 分别为两个数组长度。

题目想要时间复杂度为 O(log (m+n)) 的算法,该如何做呢？

官方题解：二分查找法

因为两个数组都是有序，并且长度已知，假设我们将两个数组合并成一个有序数组，那么我们可以直接根据合并后数组的下标来确定中位数。假设两个数组长度分别为 m n; k = (m+n)/2。官方的二分查找法就是在不合并数组的情况下，利用二分法来确定第k个元素原来数组上的位置。因为m n k 全部都是已知数，题目就转化成了，求两个有序数组合并后的第k个位置的数是哪一个。

我们比较前A B 数组第 k/2 -1 个数，对于其中最小的数，连同自身共有k/2个数必定小于第k个元素。

官方二分查找.png

从上面的数组中我们可以知道中位数是第6个和第7个数的平均数，假设我们要求第6个数，我们只需要排除前面5个数，剩下的最小的一个就是第6个数。

以上面的数据为例：

k = 6 ； K/2-1 = 2 比较 A[2] =6; B[2] = 9、A[2] 小，即A[0]、A[1]、A[2] 都比第K个元素小。一共要排除(k-1) = 5个元素已经排除了三个 k = k - 3 = 3。此时A数组的起始位置是3

k=3， K/2-1 = 0；A[0+3] = 8、 B[0] = 5,B[0] 小，同理，排除B[0] k的总数减去1 k = k - 1 = 2 此时B数组的起始位置是1

k = 2, K/2-1 = 0; A[0+3] = 8 、B[0+1] = 6 B[1] 小，排除B[1] k = k - 1 = 1 此时排除的总数 = 3+1+1 = k-1 B数组的起始位置是2

比较A[3] B[2] A[3] 小，即第6个数是A[3] = 8

leetCode官方代码：

public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int length1 = nums1.length, length2 = nums2.length;
int totalLength = length1 + length2;
if (totalLength % 2 == 1) {
int midIndex = totalLength / 2;
double median = getKthElement(nums1, nums2, midIndex + 1);
return median;
} else {
int midIndex1 = totalLength / 2 - 1, midIndex2 = totalLength / 2;
double median = (getKthElement(nums1, nums2, midIndex1 + 1) + getKthElement(nums1, nums2, midIndex2 + 1)) / 2.0;
return median;
}
}

public int getKthElement(int[] nums1, int[] nums2, int k) {
/* 主要思路：要找到第 k (k>1) 小的元素，那么就取 pivot1 = nums1[k/2-1] 和 pivot2 = nums2[k/2-1] 进行比较

这里的 “/” 表示整除
nums1 中小于等于 pivot1 的元素有 nums1[0 … k/2-2] 共计 k/2-1 个
nums2 中小于等于 pivot2 的元素有 nums2[0 … k/2-2] 共计 k/2-1 个
取 pivot = min(pivot1, pivot2)，两个数组中小于等于 pivot 的元素共计不会超过 (k/2-1) + (k/2-1) <= k-2 个
这样 pivot 本身最大也只能是第 k-1 小的元素
如果 pivot = pivot1，那么 nums1[0 … k/2-1] 都不可能是第 k 小的元素。把这些元素全部 “删除”，剩下的作为新的 nums1 数组
如果 pivot = pivot2，那么 nums2[0 … k/2-1] 都不可能是第 k 小的元素。把这些元素全部 “删除”，剩下的作为新的 nums2 数组
由于我们 “删除” 了一些元素（这些元素都比第 k 小的元素要小），因此需要修改 k 的值，减去删除的数的个数
*/

int length1 = nums1.length, length2 = nums2.length;
int index1 = 0, index2 = 0;
int kthElement = 0;

while (true) {
// 边界情况
if (index1 == length1) {
return nums2[index2 + k - 1];
}
if (index2 == length2) {
return nums1[index1 + k - 1];
}
if (k == 1) {
return Math.min(nums1[index1], nums2[index2]);
}

// 正常情况
int half = k / 2;
int newIndex1 = Math.min(index1 + half, length1) - 1;
int newIndex2 = Math.min(index2 + half, length2) - 1;
int pivot1 = nums1[newIndex1], pivot2 = nums2[newIndex2];
if (pivot1 <= pivot2) {
k -= (newIndex1 - index1 + 1);
index1 = newIndex1 + 1;
} else {
k -= (newIndex2 - index2 + 1);
index2 = newIndex2 + 1;
}
}
}