[二分法]leetcode4:寻找两个有序数组的中位数(hard)

本文深入解析了一道算法难题,利用二分法高效求解两个有序数组的中位数。通过详细步骤说明,理解如何通过调整数组划分,确保中位数左侧的数小于等于右侧的数,最终实现复杂度优化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目:
在这里插入图片描述

题解:
又是一道hard题啊,这对于原来就很少做hard的我来说,可以说是很锻炼人了,坐下来静心思考,拿纸笔画结果,写推导过程,终于把这道题搞定了。

思路:
二分法,中位数就是将数组划分为长度相等的两段。

  • 1)对于长度为奇数的数组,中位数就是最中间的那个数;对于长度为偶数的数组,中位数就是最中间的两个数的和除以2。也就是说中位数将数组分成长度相等的两段了。
  • 2)对于两个有序数组的中位数,nums1的前m1个数和nums2的前m2个数的长度和要为这两个数组总长度的一半,也就是m1+m2=(n1+n2+1)/2
  • 3)nums[m1]表示nums1中的第m1+1个元素在中位数的右边。而nums[m2-1]表示nums2中第m2个元素在中位数的左边。理所应当的中位数右边的要大于左边的,所以nums1[m1]<nums[m2-1]时,应在nums1的右边区间寻找更大值来使nums[m1]>=nums[m2-1](也就是通过增大m1来保证中位数右边的数大于中位数左边的数),即begin=m1+1;当nums1[m1]>nums[m2-1]时,我们应该怀疑m1的取值是否过大,所以我们应在nums1的左边寻找更小的m1。最后直至end和begin相等时跳出循环,也就是end和begin同时指向下标m1,m1在num1表示的是第m1+1个元素,也就是num1[m1+1]。
  • 4)最后一步当然是返回中位数了,在nums[m1-1]与nums[m2-1]中取得较大值,若两个数组的总长度为奇数,则直接返回该较大值了。若两个数组的总长度为偶数,则nums[m1]与nums[m2]中取得较小值,然后返回较大值与较小值的平均值。

代码如下:

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        int n1=nums1.size(),n2=nums2.size();
        if(n1>n2)return findMedianSortedArrays(nums2,nums1);
        int begin=0,end=n1;
        int k=(n1+n2+1)/2;//k表示中位数
        while(begin<end)
        {
            int m1=begin+(end-begin)/2;
            int m2=k-m1;
            if(nums1[m1]<nums2[m2-1])//nums1[m1]表示第m1+1个元素,所以nums2中要用下标m2-1
                begin=m1+1;
            else
                end=m1;
        }
        int m1=end,m2=k-m1;
        //num1[m1-1]表示的是nums1中的第m1个元素,nums2[m2-1]表示的是nums2中的第m2个元素
        int c1=max(m1<=0?INT_MIN:nums1[m1-1],m2<=0?INT_MIN:nums2[m2-1]);
        if((n1+n2)%2==1)//n1与n2的总长度为奇数,返回最中间的元素
            return c1;
        int c2=min(m1>=n1?INT_MAX:nums1[m1],m2>=n2?INT_MAX:nums2[m2]);
        return (c1+c2)/2.0;
    }
};

<think>好的,我需要解决用户提出的两个有序数组中位数问题。首先,用户希望得到算法和代码示例,所以我要先理解问题,再整理解决思路。 根据用户提供的引用,特别是引用[2]和[3],提到了合并排序法和二分法,其中二分法的时间复杂度是O(log(m+n)),这更高效。用户可能已经知道合并排序法,但更想了解高效的解法,所以应该重点讲二分法。 首先,我需要回忆中位数的定义:对于合并后的有序数组,如果长度是奇数,中位数是中间的数;如果是偶数,是中间两个数的平均值。直接合并数组虽然可行,但时间复杂度是O(m+n),不符合要。而题目要O(log(m+n)),所以必须用二分查找优化。 接下来,我需要分解二分法的步骤。核心思想是将两个数组分别分成左右两部分,使得左边的元素都小于右边的元素,并且左右两边的元素数量相等或差一。具体来说,假设数组A和B,分别在i和j的位置分割,使得i + j = (m + n + 1)/2 - 1,且A[i-1] <= B[j]和B[j-1] <= A[i]。然后根据奇偶情况计算中位数。 需要处理边界情况,比如当i为0或j为0时,某个数组的所有元素都在左边或右边。这部分容易出错,要特别注意。 然后考虑代码实现。通常使用较短的数组进行二分查找,以减少时间复杂度。初始化两个指针low和high,逐步调整分割位置,直到满足条件。最后根据分割点附近的元素计算中位数。 还要考虑代码的正确性,比如测试用例是否覆盖奇偶长度、数组为空的情况等。例如,当其中一个数组完全在另一个数组的左边或右边时,分割点是否正确。 最后,用户可能需要代码示例,所以需要用Python或其他语言实现,并添加注释说明关键步骤。同时,根据引用中的信息,用户可能对归并排序的方法感兴趣,但需要指出其时间复杂度的不足,而推荐更优的二分法。 总结步骤:明确问题,分析时间复杂度需,介绍二分法的思路,处理边界条件,给出代码示例,并比较不同方法的优劣。同时,根据用户提供的引用,适当引用相关内容,如合并排序法的例子,但强调二分法的优势。</think>### 两个有序数组合并后中位数的算法及代码示例 #### 问题分析 中位数的定义是:将两个有序数组合并后的有序数组中,位于中间位置的数(若合并后长度为奇数)或中间两个数的平均值(若长度为偶数)。直接合并数组再取中位数的算法时间复杂度为 $O(m+n)$,但通过二分法可优化至 $O(\log(m+n))$[^2][^3]。 --- #### 算法思路(二分法) 1. **核心思想**: 将两个数组 $A$ 和 $B$ 分别切割为左右两部分,使得左边部分的最大值小于等于右边部分的最小值,且左右部分元素数量相等或相差1。设分割点为 $i$(数组 $A$)和 $j$(数组 $B$),满足 $i + j = \frac{m + n + 1}{2}$。 2. **边界条件**: - 若 $i=0$,则左边部分的最大值为 $B[j-1]$; - 若 $j=0$,则左边部分的最大值为 $A[i-1]$; - 若 $i=m$ 或 $j=n$,需判断右边部分的最小值。 3. **调整分割点**: 通过二分查找调整 $i$,使得 $A[i-1] \leq B[j]$ 且 $B[j-1] \leq A[i]$。 --- #### 代码实现(Python) ```python def findMedianSortedArrays(nums1, nums2): if len(nums1) > len(nums2): nums1, nums2 = nums2, nums1 # 确保nums1是较短的数组 m, n = len(nums1), len(nums2) low, high = 0, m while low <= high: i = (low + high) // 2 # nums1的分割点 j = (m + n + 1) // 2 - i # nums2的分割点 # 处理边界情况 max_left_A = float('-inf') if i == 0 else nums1[i-1] min_right_A = float('inf') if i == m else nums1[i] max_left_B = float('-inf') if j == 0 else nums2[j-1] min_right_B = float('inf') if j == n else nums2[j] # 判断分割是否满足条件 if max_left_A <= min_right_B and max_left_B <= min_right_A: if (m + n) % 2 == 1: return max(max_left_A, max_left_B) else: return (max(max_left_A, max_left_B) + min(min_right_A, min_right_B)) / 2 elif max_left_A > min_right_B: high = i - 1 # 向左调整分割点 else: low = i + 1 # 向右调整分割点 return 0.0 ``` --- #### 示例说明 假设 `nums1 = [1, 3]`,`nums2 = [2]`,合并后为 `[1, 2, 3]`,中位数为 `2`。算法执行步骤如下: 1. 初始化 `low=0`, `high=2`,计算 `i=1`, `j=1`; 2. 检查 `max_left_A=3` 是否 `<= min_right_B=2`?不满足,向左调整分割点; 3. 重新计算 `i=0`, `j=2`,检查条件满足; 4. 中位数为 `max(1, 2) = 2`。 --- #### 复杂度分析 - **时间复杂度**:$O(\log(\min(m, n)))$,因每次二分范围减半; - **空间复杂度**:$O(1)$,仅需常数空间。 --- #### 对比其他方法 - **合并排序法**:直接合并数组后取中位数,时间复杂度 $O(m+n)$[^1]; - **二分法**:无需合并数组,时间复杂度更优。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值