二分法——寻找两个正序数组的中位数
二分法又称折半查找,应用于有序数组查找,时间复杂度为log(n)
二分查找法
1.从数组中间开始搜,如果该元素刚好是目标元素则结束搜索过程。
2.如果该元素大于或者小于该元素,则从元素左边或者右边再次二分。
3.如果某一步数组为空,则表明找不到该元素。
代码如下:
// 循环版
public int findK(int[] nums,int target){
int left = 0;
int right = nums.length;
while (left<right){
int mid = (left+right)/2;
if(target == nums[mid]){
return mid;
}
if(target < nums[mid]){
right = mid-1;
}else {
left = mid+1;
}
}
return -1;
}
// 递归版
public int findK(int[] nums,int left ,int right,int target){
int mid = (left+right)/2;
if(target == nums[mid]) return mid;
if(left>=right) return -1;
if(target < nums[mid]){
return findK(nums,left,mid-1,target);
}else {
return findK(nums,mid+1,right,target);
}
}
二分排序
二分排序属于一种改进了的插入排序 稳定排序 时间负责度为O(n*n)
public void findKSort(int[] nums){
int i = 0;
int low,high,mid;
for( i = 1;i<nums.length;i++){
int temp = nums[i];
low=0;
high = i-1;
while (low<=high){
mid= (low+high)/2;
if(nums[mid]>temp){
high = mid-1;
}else {
low = mid+1;
}
}
for(int j =i-1;j>high;j--){
nums[j+1]=nums[j];
}
nums[high+1] = temp;
}
for (i = 0; i < nums.length; i++) {
System.out.print(nums[i] + " ");
}
}
寻找两个数组中间的中位数 ------leetcode 4
题目:给定两个大小分别为 m 和 n 的正序(从小到大)数组 nums1 和 nums2。找出并返回这两个正序数组的 中位数 。
例:[2,3] [3,4]
答:3.0000
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int len1 = nums1.length;
int len2 = nums2.length;
int mid1 = (len1+len2+1)/2;//找到第一个中位数
int mid2 = (len1+len2+2)/2;//找到第二中位数 若只有一个中位数则mid1=mid2
return (findKth(nums1,0,nums2,0,mid1)+findKth(nums1,0,nums2,0,mid2))/2.0;
}
int findKth(int[] nums1,int i,int[] nums2,int j,int k){//在两个数组中找到位置在k的数
if(nums1.length<=i){return nums2[j+k-1];}
if(nums2.length<=j){return nums1[i+k-1];}
if(k == 1){
return nums1[i]<nums2[j]?nums1[i]:nums2[j];
}
// 由数组1找着找到数组2去 给予一个最大值 另一个1去
int midVal1 = (i + k / 2 - 1 < nums1.length) ? nums1[i + k / 2 - 1] : Integer.MAX_VALUE;
int midVal2 = (j + k / 2 - 1 < nums2.length) ? nums2[j + k / 2 - 1] : Integer.MAX_VALUE;
if(midVal1 < midVal2){
return findKth(nums1, i + k / 2, nums2, j , k - k / 2);
}else{
return findKth(nums1, i, nums2, j + k / 2 , k - k / 2);
}
}