1. 算法描述
有两个数组 A 和 B,均为有序排列,A的长度为m,B的长度为n,求 A 和 B 合在一起后的中值.
2. 问题分析
- 这里要注意一下:要充分利用 A和B均为有序的特性
- 该问题进一步可转化为求A和B的任意K值,如三分位、四分位.
思路一:将A和B合并成新的数组
- /**
- * 合并有序数组,然后寻找K值
- *
- * @param a
- * 有序数组a
- * @param b
- * 有序数组b
- * @param k
- * k值位置,0<=k<=a.length+b.length-1
- * @return k值
- */
- public static int findKthByMerge(int[] a, int[] b, int k) {
- System.out.println("Find kth by merge array first");
- int[] ab = new int[a.length + b.length];
- int ai = 0, bi = 0, abi = 0;
- while (ai < a.length && bi < b.length) {
- ab[abi++] = (a[ai] < b[bi]) ? a[ai++] : b[bi++];
- }
- while (ai < a.length) {
- ab[abi++] = a[ai++];
- }
- while (bi < b.length) {
- ab[abi++] = b[bi++];
- }
- System.out.println(Arrays.toString(ab));
- return ab[k];
- }
这种方法最容易想到,合并成有序数组后即可求任意k值, 其时间复杂度为 O(m+n), 空间复杂图为O(m+n)
这里反思一下:真的需要合并数组吗?
思路二:采用扫描计数方法
- /**
- * 无需合并数组,利用计数机寻找K值
- *
- * @param a
- * 有序数组a
- * @param b
- * 有序数组b
- * @param k
- * k值位置,0<=k<=a.length+b.length-1,k同时充当计数器
- * @return k值
- */
- public static int findKthByCounter(int[] a, int[] b, int k) {
- System.out.println("Find kth by counter");
- int ai = 0, bi = 0;
- int kth = 0; // 保存K值
- while (ai < a.length && bi < b.length && k >= 0) {
- kth = (a[ai] < b[bi]) ? a[ai++] : b[bi++];
- k--;
- }
- while (ai < a.length && k >= 0) {
- kth = a[ai++];
- k--;
- }
- while (bi < b.length && k >= 0) {
- kth = b[bi++];
- k--;
- }
- return kth;
- }
本算法是对算法一的改进,用一个临时变量保存K值,而不需要讲新合并的数组单独存储,节省了存储空间。
其 时间复杂度为O(m+n), 空间复杂度为O(1).
到此都是线性时间复杂度,已经是非常高效了,但又没有更加高效的方法进一步降低时间复杂度呢?
这里注意到原数组有序特性,利用二分特性可以将复杂度降至对数级别。
思路三:递归二分
- /**
- * 递归二分查找K值
- *
- * @param a
- * 有序数组a
- * @param b
- * 有序数组b
- * @param k
- * K值位置,0<=k<=m+n-1
- * @param aStart
- * 数组a初始查找位置
- * @param aEnd
- * 数组a结束查找位置
- * @param bStart
- * 数组b初始查找位置
- * @param bEnd
- * 数组b结束查找位置
- * @return k值
- */
- public static int findKth(int a[], int b[], int k, int aStart, int aEnd,
- int bStart, int bEnd) {
- int aLen = aEnd - aStart + 1;
- int bLen = bEnd - bStart + 1;
- // 递归结束条件
- if (aLen == 0) {
- return b[bStart + k];
- }
- if (bLen == 0) {
- return a[aStart + k];
- }
- if (k == 0) {
- return a[aStart] < b[bStart] ? a[aStart] : b[bStart];
- }
- // 将k按比例分配到a和b中,(k+1)=ka+kb,
- int ka = (k + 1) * aLen / (aLen + bLen);
- int kb = (k + 1) - ka;
- ka += aStart;
- kb += bStart;
- // 因为a和b有序,aStart-ka , bStart-kb yi
- <span style="white-space:pre;"> </span>// 最大值进行比较
- if (a[ka] > b[kb]) {
- k = k - (kb - bStart); // bStart - kb 这段应当排除,调整k值
- aEnd = ka; // 新k值可能存在于 aStart - ka
- bStart = kb; // 新k值可能存在于 kb - bEnd 之间
- } else {
- k = k - (ka - aStart);
- bEnd = kb;
- aStart = ka;
- }
- return findKth(a, b, k, aStart, aEnd, bStart, bEnd);
- }
3. 测试算法
- public static void main(String[] args) {
- int A[] = { 0, 10, 30, 40, 50, 80, 89, 99, 101 };
- // int A[]={};
- int B[] = { -1, 33, 36, 56, 80, 83, 97, 98, 200 };
- // int B[] = {};
- int k = 0;
- int kth = 0;
- k = (A.length + B.length - 1) / 2;
- System.out.println("A.length=" + A.length + "\t" + Arrays.toString(A));
- System.out.println("B.length=" + B.length + "\t" + Arrays.toString(B));
- System.out.println("k-index = " + k);
- kth = findKthByMerge(A, B, k);
- System.out.println(kth);
- kth = findKthByCounter(A, B, k);
- System.out.println(kth);
- System.out.println("递归查找");
- kth = findKth(A, B, k, 0, A.length - 1, 0, B.length - 1);
- System.out.println(kth);
- }
输出结果如下:
- A.length=9 [0, 10, 30, 40, 50, 80, 89, 99, 101]
- B.length=9 [-1, 33, 36, 56, 80, 83, 97, 98, 200]
- k-index = 8
- Find kth by merge array first
- [-1, 0, 10, 30, 33, 36, 40, 50, 56, 80, 80, 83, 89, 97, 98, 99, 101, 200]
- 56
- Find kth by counter
- 56
- 递归查找
- 56