java 数组中位数_找到数组总和的中位数

正确的O(n)解决方案非常复杂，需要大量的文本，代码和技巧来解释和证明 . 更确切地说，令人信服地需要3页，这里可以详细查看http://www.cse.yorku.ca/~andy/pubs/X+Y.pdf(在评论中找到 simonzack ) .

它基本上是一个聪明的分而治之算法，除其他外，它利用了这样一个事实：在一个排序的n乘n矩阵中，人们可以在 O(n) 找到小于/大于给定的元素数量号码 k . 它递归地将矩阵分解为较小的子矩阵(通过仅取奇数行和列，产生具有 n/2 列和 n/2 行的子矩阵)，结合上述步骤，导致复杂度为 O(n) + O(n/2) + O(n/4)... = O(2*n) = O(n) . 太疯狂了！

我无法解释它比论文更好， which is why I'll explain a simpler, O(n logn) solution instead :) .

O(n * logn)解决方案：

It's an interview! 你无法及时得到那个 O(n) 解决方案 . 嘿，为什么不提供一个解决方案，虽然不是最优的，但表明你可以做得比其他明显的候选人更好？

我将利用上面提到的 O(n) 算法来查找在排序的 n-by-n 矩阵中小于/大于给定数字 k 的数字量 . 请记住，我们不需要实际的矩阵！由OP描述的两个大小为 n 的数组的笛卡尔和，得到一个排序的 n-by-n 矩阵，我们可以通过考虑数组的元素来模拟如下：

a[3] = {1, 5, 9};

b[3] = {4, 6, 8};

//a + b:

{1+4, 1+6, 1+8,

5+4, 5+6, 5+8,

9+4, 9+6, 9+8}

因此，每行包含非递减数字，每列也包含非递减数字 . 现在，假装给你一个号码 k . 我们想在 O(n) 找到这个矩阵中有多少数字小于 k ，有多少数字更大 . 显然，如果两个值都小于 (n²+1)/2 ，那意味着 k 是我们的中位数！

算法非常简单：

int smaller_than_k(int k){

int x = 0, j = n-1;

for(int i = 0; i < n; ++i){

while(j >= 0 && k <= a[i]+b[j]){

--j;

}

x += j+1;

}

return x;

}

这基本上计算了每行符合条件的元素数量 . 由于行和列已按上面所示排序，因此这将提供正确的结果 . 由于 i 和 j 每次最多迭代 n 次，算法为 O(n) [注意 j 不会在 for 循环内重置] . greater_than_k 算法类似 .

现在，我们如何选择 k ？那是 logn 部分 . Binary Search! 正如其他答案/评论中所提到的，中位数必须是此数组中包含的值：

candidates[n] = {a[0]+b[n-1], a[1]+b[n-2],... a[n-1]+b[0]}; .

只需对此数组[也 O(n*logn) ]进行排序，然后对其运行二进制搜索 . 由于数组现在处于非递减顺序，因此可以直截了当地注意到小于每个 candidate[i] 的数字量也是非递减值(单调函数)，这使得它适合于二进制搜索 . 其结果 smaller_than_k(k) 返回小于 (n²+1)/2 的最大数 k = candidate[i] 是答案，并且在 log(n) 迭代中获得：

int b_search(){

int lo = 0, hi = n, mid, n2 = (n²+1)/2;

while(hi-lo > 1){

mid = (hi+lo)/2;

if(smaller_than_k(candidate[mid]) < n2)

lo = mid;

else

hi = mid;

}

return candidate[lo]; // the median

}