https://blog.csdn.net/qq_41231926/article/details/81805795
https://leetcode-cn.com/articles/median-of-two-sorted-arrays/
题目描述：
知识点：二分查找，分治算法
思路一：设两个指针依次从小到大遍历两个有序数组，得到中位数
这是我的第一个想法，求中位数不就是求中间那个数吗？而给我们的又是两个有序数组，我们完全可以设两个指针分别遍历两个数组，将其值存入另一个数组中。
这里需要注意的是中位数的下标值问题，我们假设nums1数组的长度为n1，nums2数组的长度为n2，假设将nums1数组和nums2数组合并成一个数组，那么该数组的长度为n1 + n2，我们要求的中位数就是该新数组中的中位数。如果n1 + n2是一个偶数，那么我们要求的中位数是两个数的平均值，这两个数的下标为(n1 + n2) / 2和(n1 + n2) / 2 - 1。如果n1 + n2是一个奇数，那么我们要求的中位数就是一个数，该数的下标为(n1 + n2) / 2。因此我们设合并数组的长度的时候完全没必要将其设为n1 + n2，只需设为(n1 + n2) / 2 + 1即可。
对于这样的解法，时间复杂度是O(m + n)级别的，其中m表示nums1数组的长度，n表示nums2数组的长度，显然不满足题目要求的O(log(m + n))的时间复杂度的要求。但我们还是可以把这个解法当作一个思路，而且这个解法在LeetCode中是能够得到通过的。
JAVA代码：
-
public
class Solution {
-
-
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
-
int n1 = nums1.length;
-
int n2 = nums2.length;
-
int i =
0;
-
int j =
0;
-
int[] array =
new
int[(n1 + n2) /
2 +
1];
-
int index =
0;
-
while(index < array.length) {
-
if(i < n1 && j < n2) {
-
if(nums1[i] < nums2[j]) {
-
array[index] = nums1[i];
-
i++;
-
}
else {
-
array[index] = nums2[j];
-
j++;
-
}
-
}
else
if(i >= n1 && j < n2) {
-
array[index] = nums2[j];
-
j++;
-
}
else
if(i < n1 && j >= n2) {
-
array[index] = nums1[i];
-
i++;
-
}
-
index++;
-
}
-
if((n1 + n2) %
2 ==
0) {
-
return
0.5 * (array[array.length -
1] + array[array.length -
2]);
-
}
else {
-
return array[array.length -
1];
-
}
-
}
-
}
LeetCode解题报告：
思路二：转换问题思路为在两个有序数组中求第k小的元素
题目要求的时间复杂度是O(log(m + n))，要产生这样级别的时间复杂度我们只有采用二分查找法，用分治递归的思路来考虑这个问题。
为了能更明确地使用分治递归的思路来解决问题，我们需要转换题目中求中位数的问题为求第k小数的问题，这里我定义我的k是从1开始计数的。这是解决问题最重要的一步。
如果两个数组的长度和是奇数，那么我们只需寻找第(m + n) / 2 + 1小的数即可。如果两个数组的长度和是偶数，那么我们还需要寻找第(m + n) / 2小的数，并取两数的平均值。
接下来，我们的问题就变成了：如何在两个有序数组中以O(log(m + n))的时间复杂度求第k小的数。
在求解整个问题的过程中，我们始终需要考虑一个很重要的问题——数组索引越界问题。
下面将详细地分析整个递归流程。
（1）首先是我们递归函数的定义，我们定义我们的递归函数的作用为：寻找两个有序数组nums1数组中[left1, right1]范围内和nums2数组[left2, right2]范围内第k小的数，k从1开始计数。由于在Java语言中没有指针这一概念，对于数组的操作我们只能通过索引来进行，因此我们需要传入7个变量，分别是nums1数组，nums1数组的寻找范围的左边界left1，nums1数组的寻找范围的右边界right1，nums2数组，nums2数组的寻找范围的左边界left2，nums2数组的寻找范围的右边界right2，需要寻找第k小的元素的k值。
（2）用n1来记录nums1数组中寻找范围的长度，用n2来记录nums2数组中寻找范围的长度。
（3）如果我们要寻找的k大于了n1 + n2，这就像是在只有3个数的区域里寻找第4小的数，显然，这时候输入的k值是非法的，我们不可能求得解，我们直接抛出一个异常表明k值太大了。
（4）如果n1 > n2，我们将递归调用该函数，不过将与nums1数组有关的参数和与nums2数组有关的参数进行了换位操作。这样我们就确保了之后的操作都是在n1 <= n2的条件下进行的。事实上这一步操作完全可以省去，如果省去了这步操作，在后面的操作中我们要新增对n2为0的情况的分析。
（5）递归的终止条件：
a.当n1为0时，说明只有一个数组中有元素，我们直接取该数组中的第left2 + k - 1位元素即可。
b.当k为1时，说明我们要取的是两个有序数组中的最小值，我们直接返回两个数组的第一个元素中的较小值即可。
（6）递归过程：
由于要求的是第k小的数，而且是在两个有序数组中求。我们分不是按照两个数组的长度来分，而是按照k值来分。我们取一个变量i为n1和k / 2中的较小者，之所以这么取，是为了防止left1 + k / 2 - 1这个索引在数组nums1中已经越界了。再取一个变量j为n2和k / 2中的较小着，这也是为了防止left2 + k / 2 - 1这个索引在数组nums2中已经越界。
接下来我们比较nums1[left1 + k / 2 - 1]和nums2[left2 + k / 2 - 1]这两个值。
如果nums1[left1 + i - 1] <= nums2[left2 + j - 1]，显然，nums1数组中索引为left1 + i - 1及之前的元素不可能是中位数，即我们缩小了查找范围，去除了nums1数组中[left1, left1 + i - 1]范围内的元素，我们递归调用该函数，此时在nums1中的查找范围变成了nums1[left1 + i, right1]，我们要找的也不应该是第k小的元素，因为我们已经剔除了i个比k小的元素，因此我们要找的元素变成了第k - i小的元素。
如果nums1[left1 + i - 1] > nums2[left2 + j - 1]，显然，nums2数组中索引为left2 + j - 1及之前的元素不可能是中位数，即我们缩小了查找范围，去除了nums2数组中[left2, left2 + j - 1]范围内的元素，我们递归调用该函数，此时在nums2中的查找范围变成了nums2[left2 + j, right2]，我们要找的也不应该是第k小的元素，因为我们已经剔除了j个比k小的元素，因此我们要找的元素变成了第k - j小的元素。
为什么这个算法的时间复杂度是O(log(m + n))呢，因为如果假设数组长度足够长，我们每次剔除的元素都是k / 2，那么我们需要多少次才能找到第k小数呢？显然我们需要log(k)次，这和二分查找法是同理的，而我们要找的k值要么是(m + n) / 2 + 1，要么是在此基础之上再加上(m + n) / 2，因此我们算法的时间复杂度是O(log(m + n))级别的。
JAVA代码：
-
public
class Solution {
-
-
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
-
int n1 = nums1.length;
-
int n2 = nums2.length;
-
int mid1 = findKthInTwoArrays(nums1,
0, n1 -
1, nums2,
0, n2 -
1, (n1 + n2) /
2 +
1);
-
if((n1 + n2) %
2 !=
0) {
-
return mid1;
-
}
else {
-
int mid2 = findKthInTwoArrays(nums1,
0, n1 -
1, nums2,
0, n2 -
1, (n1 + n2) /
2);
-
return
0.5 * (mid1 + mid2);
-
}
-
}
-
-
private int findKthInTwoArrays(int[] nums1, int left1, int right1, int[] nums2, int left2, int right2, int k) {
-
int n1 = right1 - left1 +
1;
-
int n2 = right2 - left2 +
1;
-
if(k > n1 + n2) {
-
throw
new IllegalArgumentException(
"The input k is too big!");
-
}
-
if(n1 ==
0) {
-
return nums2[left2 + k -
1];
-
}
-
if(k ==
1) {
-
return Math.min(nums1[left1], nums2[left2]);
-
}
-
int i = Math.min(n1, k /
2);
-
int j = Math.min(n2, k /
2);
-
if(nums1[left1 + i -
1] > nums2[left2 + j -
1]) {
-
return findKthInTwoArrays(nums1, left1, right1, nums2, left2 + j, right2, k - j);
-
}
else {
-
return findKthInTwoArrays(nums1, left1 + i, right1, nums2, left2, right2, k - i);
-
}
-
}
-
}
LeetCode解题报告：
为什么O(log(m + n))时间复杂度的思路二比O(m + n)时间复杂度的思路一还要慢呢？
1.程序运行的不稳定性，就算是同一个程序，在LeetCode中运行两次，得到的用时可能是相差巨大的。因此我们在LeetCode中解题的，一般只要超过50%的提交记录即可视为满意。
2.常数级别的差异，我们比较复杂度的时候千万别忘了常数级别的差异，真正地比较复杂度，应该倍增输入数据规模，来观察用时的变化情况，而不是把两个不同复杂度的解法一起进行比较。具体如何比较可以参阅我的另一篇博文的结尾：https://blog.csdn.net/qq_41231926/article/details/81501389。
扫一扫
182
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
