LeetCode:median-of-two-sorted-arrays

题目描述：

There are two sorted arrays A and B 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)).

有两个大小分别为m和n的有序数组A和B. 找到两个排序数组的中位数。 总运行时间复杂度应为O（log（m + n））。

题目分析：

O(log (m+n))时间内找到中位数。

将原问题转变成一个寻找第k小数的问题（假设两个原序列升序排列），这样中位数实际上是第(m+n)/2小的数。所以只要解决了第k小数的问题，原问题也得以解决。

• 首先假设数组A和B的元素个数都大于k/2，我们比较A[k/2-1]和B[k/2-1]两个元素，这两个元素分别表示A的第k/2小的元素和B的第k/2小的元素。这两个元素比较共有三种情况：>、<和=。
• 如果A[k/2-1] < B[k/2-1]，这表示A[0]到A[k/2-1]的元素都在A和B合并之后的前k小的元素中。换句话说，A[k/2-1]不可能大于两数组合并之后的第k小值，所以我们可以将其抛弃。
• 当A[k/2-1]=B[k/2-1]时，我们已经找到了第k小的数，也即这个相等的元素，我们将其记为m。由于在A和B中分别有k/2-1个元素小于m，所以m即是第k小的数。(这里可能有人会有疑问，如果k为奇数，则m不是中位数。这里是进行了理想化考虑，在实际代码中略有不同，是先求k/2，然后利用k-k/2获得另一个数。)
• 如果A[k/2-1] > B[k/2-1]，这表示B[0]到B[k/2-1]的元素都在A和B合并之后的前k小的元素中。换句话说，B[k/2-1]不可能大于两数组合并之后的第k小值，所以我们可以将其抛弃。

通过上面的分析，我们即可以采用递归的方式实现寻找第k小的数。此外我们还需要考虑几个边界条件：

• 如果A或者B为空，则直接返回B[k-1]或者A[k-1]；
• 如果k为1，我们只需要返回A[0]和B[0]中的较小值；
• 如果A[k/2-1]=B[k/2-1]，返回其中一个；

public class Solution {
    public double findMedianSortedArrays(int A[], int B[]) {
        if (A == null && B == null) {
            return 0;
        }

        int m = A.length, n = B.length;

        int l = (m + n + 1) / 2;
        int r = (m + n + 2) / 2;

        return (getkth(A, 0, B, 0, l) + getkth(A, 0, B, 0, r)) / 2.0;
    }

    private int getkth(int[] A, int aStart, int[] B, int bStart, int k) {
        if (aStart >= A.length) {
            return B[bStart + k - 1];
        }

        if (bStart >= B.length) {
            return A[aStart + k - 1];
        }

        if (k == 1) {
            return Math.min(A[aStart], B[bStart]);
        }

        int aMin = Integer.MAX_VALUE, bMin = Integer.MAX_VALUE;
        if (aStart + k / 2 - 1 < A.length) {
            aMin = A[aStart + k / 2 - 1];
        }
        if (bStart + k / 2 - 1 < B.length) {
            bMin = B[bStart + k / 2 - 1];
        }

        if (aMin < bMin) {
            return getkth(A, aStart + k / 2, B, bStart, k - k / 2);
        } else {
            return getkth(A, aStart, B, bStart + k / 2, k - k / 2);
        }
    }
}