算法通关村 | 寻找两个正序数组的中位数

寻找两个正序数组的中位数

这是一道比较难的问题，LeetCode4.给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的中位数 。算法的时间复杂度应该为 O(log (m+n)) 。

示例1：
输入：nums1 = [1,3], nums2 = [2]
输出：2.00000
解释：合并数组 = [1,2,3] ，中位数 2

示例2：
输入：nums1 = [1,2], nums2 = [3,4]
输出：2.50000
解释：合并数组 = [1,2,3,4] ，中位数 (2 + 3) / 2 = 2.5

对于本题，最直观的思路有以下两种：

• 使用归并的方式，合并两个有序数组，得到一个大的有序数组。大的有序数组的中间位置的元素，即为中位数。这种方式的时间复杂度是O(m+n)，空间复杂度是 O(m+n)。
• 另一种方式，不需要合并两个有序数组，只要找到中位数的位置即可。由于两个数组的长度已知，因此中位数对应的两个数组的下标之和也是已知的。维护两个指针，初始时分别指向两个数组的下标 00 的位置，每次将指向较小值的指针后移一位（如果一个指针已经到达数组末尾，则只需要移动另一个数组的指针），直到到达中位数的位置。这种方式可以将空间复杂度降到 O(1)，但是时间复杂度仍是 O(m+n)。

如何把时间复杂度降低到O(log(m+n)) 呢？如果对时间复杂度的要求有log，通常都考虑二分、快排或者堆三个方面。而对于有序序列，通常要考虑一下能否使用二分来解决。
如果要使用二分，核心问题是基于什么规则将数据砍掉一半。而本题是两个序列，所以我们的核心问题是如何从两个序列中分别砍半，图示如下k=(m+n)/2：

根据中位数的定义，当m+n 是奇数时，中位数是两个有序数组中的第(m+n)/2 个元素，当m+n 是偶数时，中位数是两个有序数组中的第(m+n)/2 个元素和第(m+n)/2+1 个元素的平均值。因此，这道题可以转化成寻找两个有序数组中的第 k 小的数，其中 k 为 (m+n)/2 或 (m+n)/2+1。

假设两个有序数组分别是LA 和LB。要找到第 k 个元素，我们可以比较LA[k/2−1] 和LB[k/2−1]。由于LA[k/2−1] 和LB[k/2−1] 的前面分别有LA[0..k/2−2] 和 LB[0..k/2−2]，即k/2−1 个元素，对于LA[k/2−1] 和LB[k/2−1] 中的较小值，最多只会有(k/2−1)+(k/2−1)≤k−2 个元素比它小，那么它就不能是第 k 小的数了。

因此我们可以归纳出以下几种情况：

• 如果LA[k/2−1] < LB[k/2−1]，则比LA[k/2−1] 小的数最多只有LA 的前k/2−1 个数和LB 的前k/2−1 个数，即比LA[k/2−1] 小的数最多只有k−2 个，因此LA[k/2−1] 不可能是第 k 个数，LA[0] 到LA[k/2−1] 也都不可能是第 k 个数，可以全部排除。

• 如果LA[k/2−1] > LB[k/2−1]，则可以排除LB[0] 到LB[k/2−1]。也就是一次砍掉一半。

• 如果LA[k/2−1] = LB[k/2−1]，则可以归入第一种情况处理。

可以看到，比较LA[k/2−1] 和LB[k/2−1] 之后，可以排除k/2 个不可能是第 k 小的数，查找范围缩小了一半。同时，我们将在排除后的新数组上继续进行二分查找，并且根据我们排除数的个数，减少 k 的值，这是因为我们排除的数都不大于第 k 小的数。

以下边界情况需要特殊处理以下：

• 如果LA[k/2−1] 或者LB[k/2−1] 越界，那么我们可以选取对应数组中的最后一个元素。在这种情况下，我们必须根据排除数的个数减少 k 的值，而不能直接将 k 减去k/2。

• 如果k=1，我们只要返回两个数组首元素的最小值即可。

实现代码：

class Solution {
    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) {
        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;
            }
        }
    }
}