题目:
There are two sorted arrays A and B of size m and n respectively. Find
the median of the two sorted arrays. The overall run time complexity
should be O(log (m+n)).
题解:
首先我们先明确什么是median,即中位数。
引用Wikipedia对中位数的定义:
计算有限个数的数据的中位数的方法是:把所有的同类数据按照大小的顺序排列。如果数据的个数是奇数,则中间那个数据就是这群数据的中位数;如果数据的个数是偶数,则中间那2个数据的算术平均值就是这群数据的中位数。
因此,在计算中位数Median时候,需要根据奇偶分类讨论。
解决此题的方法可以依照:寻找一个unioned sorted array中的第k大(从1开始数)的数。因而等价于寻找并判断两个sorted array中第k/2(从1开始数)大的数。
特殊化到求median,那么对于奇数来说,就是求第(m+n)/2+1(从1开始数)大的数。
而对于偶数来说,就是求第(m+n)/2大(从1开始数)和第(m+n)/2+1大(从1开始数)的数的算术平均值。
那么如何判断两个有序数组A,B中第k大的数呢?
我们需要判断A[k/2-1]和B[k/2-1]的大小。
如果A[k/2-1]==B[k/2-1],那么这个数就是两个数组中第k大的数。
如果A[k/2-1]<B[k/2-1], 那么说明A[0]到A[k/2-1]都不可能是第k大的数,所以需要舍弃这一半,继续从A[k/2]到A[A.length-1]继续找。当然,因为这里舍弃了A[0]到A[k/2-1]这k/2个数,那么第k大也就变成了,第k-k/2个大的数了。
如果 A[k/2-1]>B[k/2-1],就做之前对称的操作就好。
这样整个问题就迎刃而解了。
当然,边界条件页不能少,需要判断是否有一个数组长度为0,以及k==1时候的情况。
因为除法是向下取整,并且页为了方便起见,对每个数组的分半操作采取:
int partA = Math.min(k/2,m);
int partB = k - partA;
为了能保证上面的分半操作正确,需要保证A数组的长度小于B数组的长度。
同时,在返回结果时候,注意精度问题,返回double型的就好。
代码如下:
2 int m = A.length;
3 int n = B.length;
4 int total = m+n;
5 if (total%2 != 0)
6 return (double) findKth(A, 0, m-1, B, 0, n-1, total/2+1);//k传得是第k个,index实则k-1
7 else {
8 double x = findKth(A, 0, m-1, B, 0, n-1, total/2);//k传得是第k个,index实则k-1
9 double y = findKth(A, 0, m-1, B, 0, n-1, total/2+1);//k传得是第k个,index实则k-1
10 return (double)(x+y)/2;
11 }
12 }
13
14 public static int findKth(int[] A, int astart, int aend, int[] B, int bstart, int bend, int k) {
15 int m = aend - astart + 1;
16 int n = bend - bstart + 1;
17
18 if(m>n)
19 return findKth(B,bstart,bend,A,astart,aend,k);
20 if(m==0)
21 return B[k-1];
22 if(k==1)
23 return Math.min(A[astart],B[bstart]);
24
25 int partA = Math.min(k/2,m);
26 int partB = k - partA;
27 if(A[astart+partA-1] < B[bstart+partB-1])
28 return findKth(A,astart+partA,aend,B,bstart,bend,k-partA);
29 else if(A[astart+partA-1] > B[bstart+partB-1])
30 return findKth(A,astart,aend,B,bstart+partB,bend,k-partB);
31 else
32 return A[astart+partA-1];
33 }
Reference:
http://blog.csdn.net/yutianzuijin/article/details/11499917
http://blog.csdn.net/linhuanmars/article/details/19905515