寻找两个排序数组(长度相等)的上中位数

算法专题导航页面

---

【算法专题 - 应用场景】

1. 《数字游戏 – 寻找缺失的数字》
2. 《数字游戏 – 微信红包》
3. 《寻找两个排序数组(长度相等)的上中位数》

---

【题目】
  现有两个长度相等的排序数组(升序)，求这两个排序数组组成的新数组的上中位数。

【其他限制】
  时间复杂度最好为O(nlogn)，空间复杂度为O(1)。

【图示】
  假设两个排序数组为arr1和arr2，长度均为N，则这两个数组的上中位数为这2N个数中的第N个数。
  下面两个图片分别对应N为奇数和偶数时，两个数组的上中位数的取值情况：

上述两个数组{1, 6, 7}和{2, 4, 6}的上中位数为这6个数中第3小的数，其值为4.

上述两个数组{1, 6, 7, 11}和{2, 4, 6, 8}的上中位数为这8个数中第4小的数，其值为6.
请留意，当N为偶数时，中间位置数值较小的那个数组在更新查询范围时候的规律：新查询范围的起始索引是中间位置+偏移量1

---

【分析】
  依据限定的时间复杂度O(nlogn)可知，应该考虑如何采用二分查找法来寻找上中位数。
  二分查找算法的思想在于通过不断缩小问题的规模，也即元素的查找范围，来提升算法的执行效率。
  此处我们假定arr1[start1, …, end1]，arr2[start2, …, end2]分别代表两个排序数组，初始状态下start1=start2=0, end1=end2=N-1。mid1=(start1+end1)/2, mid2=(start2+end2)/2, arr2[mid2]分别代表数组arr1, arr2的中间位置。依据数组长度N与1的关系，我们可以分三个类别对该问题进行描述：

• N小于1
  无效长度！数组的长度只可能大于等于1.
• N 等于 1
  此种情况下，每个数组仅有一个元素，故两个数组的上中位数即为最小的那个元素，也即min(arr1[N-1], arr2[N-1])。
• N > 1，此时我们需要依据arr1[mid1]和arr2[mid2]的大小关系不断缩小上中位数的查询范围：
  1. arr1[mid1] = arr2[mid2]
      此时，两个数组的上中位数即为arr1[mid1]或者arr2[mid2].
      因为在数组arr1中，位置mid1或mid2前有(start1+end1)/2个元素；在数组arr2中，位置mid1或mid2前有(start2+end2)/2个元素。故mid或mid2必然是两个数组中的第N个数。
  2. arr1[mid1] > arr2[mid2]
      此时，两个数组的上中位数只可能存在于由数组arr1[start1, mid1)和arr2[mid2+1, end2]构成的数组中，原因详见如下分析：
      既然我们采用的是二分查找的策略，且mid1和mid2对应位置元素都不是组合数组的上中位数。那么真正的上中位数的查找范围必然和mid1以及mid2有密切联系。为了找出相应的联系，我们做出以下两种假设：
      2.1 第一种假设：arr1[mid1]是上中位数
      因为在数组arr1中，位置mid1前有(start1+end1)/2个元素；在数组arr2中，因为mid1>mid2，故arr1[mid1]至少大于数组的前(start2+end2)/2 + 1个元素，也即mid1至少是两个数组中第N+1个元素。这一点证明了组合数组的上中位数只可能存在于数组arr1的前半部分arr1[start1, mid1)。
      2.2 第二种假设：arr2[mid2]是上中位数
      因为在数组arr2中，位置mid2前有(start2+end2)/2个元素；在数组arr1中，因为mid1>mid2，故arr2[mid2]至多大于数组的前(start1+end1)/2个元素，也即mid2至多是两个数组中第N个元素。既然arr2[mid2]可能是组合数组的上中位数，那么我们需要进一步搞清楚何时其可能成为组合数组的中位数。为了理清楚这一点，我们增加N的奇偶性的判定。
          2.2.1 当N为偶数的时候，如[图示]部分第二幅图，此时组合数组的上中位数只可能存在于数组arr2的后半部分arr2[mid2, end2]。
          2.2.1 当N为奇数的时候，如[图示]部分第一幅图，此时组合数组的上中位数只可能存在于数组arr2的后半部分arr2[mid2+1, end2]
  3. arr1[mid1] < arr2[mid2]
      此时，两个数组的上中位数只可能存在于由数组arr1[mid1+1, end1]和arr2[start2, mid2]构成的数组中，具体分析可参照情况2，此处不再赘述。

---

【代码实现】

public int getUpMedian(int[] arr1, int[] arr2) {
    if (null == arr1 || null == arr2 || arr1.length != arr2.length) {
        throw new RuntimeException("Invalid input arry!");
    }
    
    int start1 = 0;
    int end1 = arr1.length -1;
    int start2 = 0;
    int end2 = arr2.length - 1;
    int mid1 = 0;
    int mid2 = 0;
    int offset = 0;
    while (start1 < end1) {
        mid1 = (start1 + end1)/2;
        mid2 = (start2 + end2)/2;
        // 数组长度为奇数时，offset=0；数组长度为偶数时，offset=1
        offset = ((end1-start1 + 1) & 1) ^ 1; // 数组的长度在不断缩减
        if (arr1[mid1] > arr2[mid2]) {
            end1 = mid1;
            start2 = mid2 + offset;
        } else if () {
            start1 = mid1 + offset;
            end2 = mid2;
        } else {
			return arr1[mid1];
		}
    }
	
	return Math.min(arr1[start1], arr2[start2]); // 数组长度为1时，直接返回组合数组的最小元素
}