@LeetCode寻找两个有序数组的中位数--Median of Two Sorted Arrays[C++]

问题描述

给定两个大小为 m 和 n 的有序数组 nums1 和 nums2 。

请找出这两个有序数组的中位数，并且要求算法的时间复杂度为$O(log(m+n))$。

可以假设 nums1 和 nums2 不会同时为空。

示例1:

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

---

则中位数是 2.0

示例2:

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

---

则中位数是 (2 + 3) / 2 = 2.5

解题方法及复杂度分析

递归法

在统计中，中位数被用来：

将一个集合划分为两个长度相等的子集，其中一个子集中的元素总是大于另一个子集中的元素。

中位数的作用是用来划分数组，我们依据这个原理来分析。

首先，在 A 中任一位置划分，分成两个部分：

图1-1 A 数组划分示意图

由于 A 中有 $m$ 个元素，所以有 $m+1$ 种划分的方法 ($i=0$ ~ $m$)。

可以知道：

$len(left\_A)=i$, $len(right\_A)=m-i$
注意：当 $i=0$ 时，left_A为空集，而当 $i=m$ 时，right_A为空集。

采用同样的方式，在 B 中任一位置划分成两个部分：

图1-2 B 数组划分示意图

将left_A 和 left_B 放入一个集合，并将 right_A 和 right_B 放入另一个集合。再把这两个新的集合分别命名为 left_part 和 right_part：

图1-3 A、B 数组合并示意图

如果可以确认：

1. $len(left\_part)=len(right\_part)$
2. $max(left\_part)⩽max(right\_part)$

那么，我们已经将 {A, B} 中的所有元素划分为相同长度的两个部分，且其中一部分中的元素总是大于另一部分中的元素。那么：
$$median=\frac{max(left\_part)+min(right\_part}{2}$$
要确保这两个条件，只需要保证：

$i+j=m-i+n-j（或:m-i+n-j+1）如果n⩾m，只需要使i\in [0,m],j=\frac{m+n+1}{2}-i$

ps.1 为了简化分析，假设A[$i-1$], B[$j-1$], A[$i$], B[$j$]总是存在，哪怕出现$i=0,i=m,j=0$，或是 $j=n$ 这样的临界条件。我们在最后讨论临界值。

ps.2 为什么$n⩾m$？由于 $0⩽i⩽m$ 且 $j=\frac{m+n+1}{2}-i$，必须确保 $j$ 不是负值。如果 $n<m$，那么 $j$ 将可能是负数，而这会造成错误的答案。

所以，需要做的是：

在 [0, $m$] 中搜索并找到目标对象 $i$，以使：
$$B[j-1]\le A[i]且A[i-1]\le B[j]，其中j=\frac{m+n+1}{2}-i$$

接着，按照以下步骤来进行二叉搜索：

1. 设 imin = 0, imax = $m$,然后开始在[imin, imax]中进行搜索。
2. 令$i=\frac{imin+imax}{2},j=\frac{m+n+1}{2}-i$
3. 现在有$len(left\_part)=len(right\_part)$。只会遇到三种情况：
   – $B[j-1]\le A[i]且A[i-1]\le B[j]$：这意味着找到目标对象$i$，所以可以停止搜索。
   – $B[j-1]>A[i]$：这意味着 $A[i]$ 太小，必须调整 $i$ 以使 $B[j-1]\le A[i]$。增大$i$，这是因为当 $i$ 被增大，$j$ 就会被减小，因此B[$j-1$]会减小，而A[$i$]会增加，那么 $B[j-1]\le A[i]$ 就可能被满足。若减小 $i$，同理可分析无法满足 $B[j-1]\le A[i]$。所以，必须将搜索范围调整为$[i+1$, imax]。因此，设 imin = $i+1$，并转到步骤2。
   – $A[i-1]>B[j]$：这意味着A[$i-1$]太大，必须减小 $i$ 以使 $A[i-1]\le B[j]$。也就是说，必须将搜索范围调整为 [imin, $i-1$]。因此，设 imax = $i-1$，并转到步骤2。

当找到目标对象 $i$ 时，中位数为：

$max(A[i-1],B[j-1])，当m+n为奇数时$

---

$\frac{max(A[i-1],B[j-1])+min(A[i],B[j])}{2}，当m+n为偶数时$

现在，考虑临界值$i=0,i=m,j=0,j=n$，此时$A[i-1],A[i],B[j-1],B[j]$可能不存在。

首先需要确保$max(left\_part)\le min(right\_part)$。因此，如果 $i$ 和
$j$ 不是临界值（这意味着 $A[i-1],B[j-1],A[i],B[j]$ 全部存在），那么必须同时检查$B[j-1]\le A[i]$ 以及 $A[i-1]\le B[j]$ 是否成立。但是如果 $A[i-1],B[j-1],A[i],B[j]$ 中部分不存在，那么只需要检查这两个条件中的一个（或不需要检查）。所以，需要做的是：

在[0, $m$]中搜索并找到目标对象$i$，以使：
$$(j=0ori=morB[j-1]\le A[i])或是(i=0orj=norA[i-1]\le B[j])，其中j=\frac{m+n+1}{2}-i$$

在循环搜索中，只会遇到三种情况：

1. $(j=0ori=morB[j-1]\le A[i])或是(i=0orj=norA[i-1]\le B[j])$
2. $i<mandB[j-1]>A[i]$，这意味着 $i$ 太小，必须增大它。
3. $i>0andA[i-1]>B[j]$，这意味着 $i$ 太大，必须减小它。

ps. 为什么在遇到三种情况时不讨论 $j$ 的情况呢？

$m\le n,i<m⟶j=\frac{m+n+1}{2}-i>\frac{m+n+1}{2}-m\ge \frac{2m+1}{2}-m\ge 0$
$m\le n,i>0⟶j=\frac{m+n+1}{2}-i<\frac{m+n+1}{2}\le \frac{2n+1}{2}\le n$

所以，$i<m⟶j>0$ 以及 $i>0⟶j<n$ 始终成立。

复杂度分析

• 时间复杂度：$O(log(m+n))$
  – 因为算法需要二叉搜索A[$i$]和B[$j$]，而$i\in [0,m],j=\frac{m+n+1}{2}-i$，所以时间复杂度为$O(log(m+n))$。

程序实现

	class Solution {
	public:
		double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2)
		{
			int m = nums1.size();
			int n = nums2.size();
			if(m > n) {
				vector<int> temp = nums1; nums1 = nums2; nums2 = temp;
				int tmp = m; m = n; n = tmp;
			}
			int iMin = 0, iMax = m, halfLen = (m + n + 1) / 2;
			while(iMin <= iMax) {
				int i = (iMin + iMax) / 2;
				int j = halfLen - i;
				if(i < iMax && nums2[j - 1] > nums1[i] {
					iMin = i + 1;
				}
				else if(i > iMin && nums1[i - 1] > nums2[j]) {
					iMax = i - 1;
				}
				else {
					int maxLeft = 0;
					if(!i) { maxLeft = nums2[j - 1]; }
					else if(!j) { maxLeft = nums1[i - 1]; }
					else { maxLeft = max(nums1[i - 1], nums2[j - 1]); }
					if((m + n) % 2) { return maxLeft; }
					int minRight = 0;
					if(i == m) { minRight = nums2[j]; }
					else if(j == n) { minRight = nums1[i]; }
					else {minRight = min(nums2[j], nums1[i]); }
					return (maxLeft + minRight) / 2.0;
				}
			}
			return 0.0;
		}
	};

@ 山东·威海 2019.01.28