•写在前面

这道题比较经典，我当时在做的时候，想出了两种解决方案，不过总感觉算法不够优美，所以找到了另一种我觉得非常精妙的解法，利用了K最小数的思想去解决这道题，很值得讲一下，不知道K最小数的，可以参考我另一篇文章，点击这里跳转就可以了。下面我废话不多说，直接开始讲解。

•题目

首先先把题目呈上来，具体题目如下：

给定两个大小为 m 和 n 的有序数组 nums1 和 nums2。请你找出这两个有序
数组的中位数，并且要求算法的时间复杂度为 O(log(m + n))。你可以假
设 nums1 和 nums2 不会同时为空。
测试用例：
nums1 = [1, 3]
nums2 = [2]
测试结果：则中位数是 2.0

•解法一

怎么说解法一呢，其实可以把解法一当成暴力解法，对这道题进行硬解。但是如果仔细看要求的话就会发现，题目里要求了时间复杂度是O(log(m + n))，所以这种解法不能满足要求，不过因为我当时先看到的是没有O(log(m + n))要求的题目，所以就直接暴力解决了（对于有些题目，暴力不失为一种省力的好办法，小声bb）。这个解法没什么好讲的，我就大概说一下思路。

具体思路就是，将两个数组使用归并的思想，进行整合，然后求解。（ps：别说直接合起来，然后排序，你要是这样做的话，算法老师的棺材板都压不住），直接上代码。当然啦，下面代码直接整合成了一个数组，其实我们也可以不用真的整合数组，只要通过不断比对，然后记录值就可以了（注意边界问题）。这种解法的时间复杂度是O(m + n)哦。

public static double Test4S2(int[] nums1, int[] nums2) {List<Integer> array = new ArrayList<>(10);int size1 = nums1.length;int size2 = nums2.length;int index1 = 0;int index2 = 0;while(index1 != size1 || index2 != size2){if(index1 == size1){for (int i = index2; i < size2; i++){array.add(nums2[i]);}break;}else if (index2 == size2){for (int i = index1; i < size1; i++){array.add(nums1[i]);}break;}array.add(nums1[index1] < nums2[index2] ? nums1[index1] : nums2[index2]);if(nums1[index1] < nums2[index2]){if(index1 < size1)index1++;}else{if(index2 < size2) index2++;}}int sizeArray = array.size() / 2;if(array.size() % 2 == 0) return (array.get(sizeArray - 1) +         array.get(sizeArray)) / 2.00;else return array.get(sizeArray);}

•解法二

在考虑题目时间复杂度O(log(m + n))的情况下，我换了一种解法，这种解法也没啥精妙的地方，主要是对中位数的概念理解好了，就容易想到。首先很多时候，我们看到了log一般就要想到二分法。

具体思路，中位数的概念其实可以理解为，将数组整体分为两个部分，一边大于等于中位数，一边小于等于中位数。那么在这道题目中两个有序数组，我们可以将两个数组并排画一条线，这条线能正好划分左右两个部分，而我们的任务就是要找到这条线。可能形容起来比较吃力，话不多说，上图看。

就是为了找到i，j连起来的线，能够正好将两个数组划分成左右两个部分，划分好了之后，只需要记录左边最大的值和右边最小的值，通过这两个值求解中位数就可以了，研究之后你就会发现i和j的关系是

i + j = m - i  + n - j

因为左边部分和右边部分的数量要相等，有了这个之后，我们只要最开始随机确定i（直接在小数组中间取i），然后通过左右移动i（j移动的方向和i相反）找到我们要的那条线。不过一定要小心边界问题，对于边界要进行处理好哦。代码如下

public static double Test4S3(int[] nums1, int[] nums2) {int m = nums1.length;int n = nums2.length;if (m > n) {return Test4S3(nums2,nums1); // 保证 m <= n}int iMin = 0, iMax = m;while (iMin <= iMax) {int i = (iMin + iMax) / 2;int j = (m + n + 1) / 2 - i;if (j != 0 && i != m && nums2[j-1] > nums1[i]){ // i 需要增大iMin = i + 1;}else if (i != 0 && j != n && nums1[i-1] > nums2[j]) { // i 需要减小iMax = i - 1;}else { // 达到要求，并且将边界条件列出来单独考虑int maxLeft = 0;if (i == 0) { maxLeft = nums2[j-1]; }else if (j == 0) { maxLeft = nums1[i-1]; }else { maxLeft = Math.max(nums1[i-1], nums2[j-1]); }if ( (m + n) % 2 == 1 ) { return maxLeft; } // 奇数的话不需要考虑右半部分int minRight = 0;if (i == m) { minRight = nums2[j]; }else if (j == n) { minRight = nums1[i]; }else { minRight = Math.min(nums2[j], nums1[i]); }return (maxLeft + minRight) / 2.0; //如果是偶数的话返回结果}}return 0.0;}

•解法三

最激动人心的解法来了，我当时看到这个解法的时候，感叹连连，解法非常的精妙有容易理解，利用第K小数的思想，使用递归二分法进行解决。

具体思路，中位数其实就是第（总长度）/2小的数（奇偶我就不多说了，为了方便我就直接用奇数了），以为两个数组都是有序的，所以我们每次通过循环排除K的一半，直到最后找到K。看图看图，已这个例子为例，我们要找的K是7.

这个时候K/2等于3，然后我们比较两个数组的第三个位置上的数，就可以排除小的那一边的三个数一定不是第K小，然后我们这个时候将排除的数标记。

这个时候因为我们已经排除了3个数，接下来我们只要在新的两个数组中，找到K-3也就是第4小的数就可以了，同样的，将K比较K一半为止的数，重复如此

所以我们采用递归的思路，为了防止数组长度小于 k/2，所以每次比较 min(k/2，len(数组) 对应的数字，把小的那个对应的数组的数字排除，将两个新数组进入递归，并且 k 要减去排除的数字的个数。递归出口就是当 k=1 或者其中一个数字长度是 0 了。直接上代码。

    private static int kMinNum(int start1, int end1, int[] nums1, int start2, int end2, int[] nums2, int k){int len1 = end1 - start1 + 1;int len2 = end2 - start2 + 1;if(len1 > len2) return kMinNum(start2, end2, nums2, start1, end1, nums1, k);if(len1 == 0) return nums2[start2 + k - 1];if(k == 1) return Math.min(nums1[start1], nums2[start2]);int i = start1 + Math.min(len1, k / 2) - 1;int j = start2 + Math.min(len2, k / 2) - 1;if(nums1[i] > nums2[j]){return kMinNum(start1, end1, nums1, j + 1, end2, nums2,k - (j - start2 + 1));}else{return kMinNum(i + 1, end1, nums1, start2, end2, nums2, k - (i - start1 + 1));}}public static double Test4S1(int[] nums1, int[] nums2) {int n = nums1.length;int m = nums2.length;int left = (n + m + 1) / 2;int right = (n + m + 2) / 2;return (kMinNum(0, n - 1, nums1, 0, m - 1, nums2, left) + kMinNum(0, n - 1, nums1, 0, m - 1, nums2, right)) * 0.5;}

•结束

第三种解法真的感觉相当的精妙，这种思路很值得去吃透理解。

寻找两个有序数组的中位数（附上三种解法）相关推荐

两个有序数组求中位数的三种解法
寻找两个有序数组的中位数(附上三种解法)_BoCong-Deng的博客-CSDN博客_两个有序数组求中位数
算法--------------------寻找两个有序数组的中位数
题目描述给定两个大小为 m 和 n 的有序数组 nums1 和 nums2.请你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)).你可以假设 nums1 和 num ...
两个有序数组的中位数 python_Python寻找两个有序数组的中位数实例详解
Python寻找两个有序数组的中位数审题: 1.找出意味着这是一个查找算法题 2.算法复杂度log级别,就是提示你是二分查找 3.二分查找实现一般为递归 (1)递归包括递归体 (2)终止条件思路: ...
LeetCode4. 寻找两个有序数组的中位数
4. 寻找两个有序数组的中位数给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你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)). 你可以假 ...
20191016：（leetcode习题）寻找两个有序数组的中位数
寻找两个有序数组的中位数题目大致思路代码实现题目给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你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( ...
(JS)寻找两个有序数组的中位数
寻找两个有序数组的中位数给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你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)). 你可以假设 n ...
Python寻找两个有序数组的中位数
Python寻找两个有序数组的中位数审题: 找出意味着这是一个查找算法题算法复杂度log级别,就是提示你是二分查找二分查找实现一般为递归 (1)递归包括递归体 (2)终止条件思路: 定理: 有 ...
力扣寻找两个有序数组的中位数
寻找两个有序数组的中位数要求给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你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)). 你可以假 ...
LeetCode(Python实现)—寻找两个有序数组的中位数
4.寻找两个有序数组的中位数题目大意给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你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)). ...
分享一道力扣困难题~寻找两个有序数组的中位数(Java)
目录解题思路1 具体代码解题思路2 具体代码题目描述:给定两个大小分别为 m 和 n 的正序(从小到大)数组 nums1 和 nums2.请你找出并返回这两个正序数组的中位数 .算法的时间复杂 ...

寻找两个有序数组的中位数（附上三种解法）

•写在前面

•题目

•解法一

•解法二

•解法三

•结束

寻找两个有序数组的中位数（附上三种解法）相关推荐

最新文章

热门文章