Median of Two Sorted Arrays问题及解法

问题描述：

There are two sorted arrays nums1 and nums2 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)).

示例：

nums1 = [1, 3]
nums2 = [2]

The median is 2.0

nums1 = [1, 2]
nums2 = [3, 4]

The median is (2 + 3)/2 = 2.5

思路

题目要求O(log(m+n))的时间复杂度，一般来说都是分治法或者二分搜索。首先我们先分析下题目，假设两个有序序列共有n个元素（根据中位数的定义我们要分两种情况考虑），当n为奇数时，搜寻第(n/2+1)个元素，当n为偶数时，搜寻第(n/2+1)和第(n/2)个元素，然后取他们的均值。进一步的，我们可以把这题抽象为“搜索两个有序序列的第k个元素”。如果我们解决了这个k元素问题，那中位数不过是k的取值不同罢了。

那如何搜索两个有序序列中第k个元素呢，这里又有个技巧。假设序列都是从小到大排列，对于第一个序列中前p个元素和第二个序列中前q个元素，我们想要的最终结果是：p+q等于k-1,且一序列第p个元素和二序列第q个元素都小于总序列第k个元素。因为总序列中，必然有k-1个元素小于等于第k个元素。这样第p+1个元素或者第q+1个元素就是我们要找的第k个元素。

所以，我们可以通过二分法将问题规模缩小，假设p=k/2-1，则q=k-p-1，且p+q=k-1。如果第一个序列第p个元素小于第二个序列第q个元素，我们不确定二序列第q个元素是大了还是小了，但一序列的前p个元素肯定都小于目标，所以我们将第一个序列前p个元素全部抛弃，形成一个较短的新序列。然后，用新序列替代原先的第一个序列，再找其中的第k-p个元素（因为我们已经排除了p个元素，k需要更新为k-p），依次递归。同理，如果第一个序列第p个元素大于第二个序列第q个元素，我们则抛弃第二个序列的前q个元素。递归的终止条件有如下几种：

• 较短序列所有元素都被抛弃，则返回较长序列的第k个元素（在数组中下标是k-1）
• 一序列第p个元素等于二序列第q个元素，此时总序列第p+q=k-1个元素的后一个元素，也就是总序列的第k个元素

注意

• 每次递归不仅要更新数组起始位置（起始位置之前的元素被抛弃），也要更新k的大小（扣除被抛弃的元素）

以下是简单修改后的代码：

class Solution {
public:
	    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
	        
	        int m = nums1.size(), n = nums2.size();
	        int k = (m + n) / 2;
	        if((m+n)%2==0){
	            return (findKth(nums1,nums2,0,0,m,n,k)+findKth(nums1,nums2,0,0,m,n,k+1))/2;
	        }   else {
	            return findKth(nums1,nums2,0,0,m,n,k+1);
	        }
	    }
	    
	private:
		double findKth(vector<int>& nums1, vector<int>& nums2, int start1, int start2, int len1, int len2, int k){
			if(len1 > len2){
				return findKth(nums2,nums1,start2,start1,len2,len1,k);
			}
			if(len1 == 0){
				return nums2[start2 + k - 1];
			}
			if(k == 1){
				return min(nums1[start1],nums2[start2]);
			}
			int p1 = min(k/2,len1);
			int p2 = k - p1;
			if(nums1[start1 + p1-1]<nums2[start2 + p2-1]){
            	return findKth(nums1,nums2,start1 + p1,start2,len1-p1,len2,k-p1);
	        } else if(nums1[start1 + p1-1]>nums2[start2 + p2-1]){
	            return findKth(nums1,nums2,start1,start2 + p2,len1,len2-p2,k-p2);
	        } else {
	            return nums1[start1 + p1-1];
	        }
		}
};

其中奥秘，无需多言，相信你们看得懂~~