Median of Two Sorted Arrays——算法课上经典的二分和分治算法

看到这道题的通过率很诧异,感觉这道题挺容易的,因为其实它的思想还是很简单的。

1)最笨的方法去实现,利用排序将两个数组合并成一个数组,然后返回中位数,这种方法应该会超时。

2)利用类似merge的操作找到中位数,利用两个分别指向A和B数组头的指针去遍历数组,然后统计元素个数,直到找到中位数,此时算法复杂度为O(n)。

我一开始想到的就是2)这种方法,但是真正的写起代码来,才发现有很多的细节需要去考虑,挺繁琐的。

我们仅需要第k大的元素,不需要排序这个复杂的操作:可以定义一个计数器m,表示找到了第m大的元素;同时指针pa,pb分别指向数组A,B的第一个元素,使用merge-sort的方式,当A的当前元素小于B的当前元素时:pa++, m++,当*pb < *pa时,pb++, m++。最终当m等于k时,就得到了第k大的元素。时间复杂度O(k),但是当k接近于m+n时,复杂度还是O(m+n);

3)

从题目中的要求O(log(m+n))可以联想到肯定要用到二分查找的思想

那么有没有更好的方案?我们可以考虑从k入手。如果我们每次能够删除一个一定处于第k大元素之前的元素,那么需要进行k次。但是如果我们每次都能删除一半呢?可以利用A,B有序的信息,类似二分查找,也是充分利用有序。 
假设A 和B 的元素个数都大于k/2,我们将A 的第k/2 个元素(即A[k/2-1])和B 的第k/2个元素(即B[k/2-1])进行比较,有以下三种情况(为了简化这里先假设k 为偶数,所得到的结论对于k 是奇数也是成立的): 
- A[k/2 - 1] == B[k/2 - 1];    

(就是这里感觉不太明白,如果k==3,感觉怎么凑都不对啊!!!!!)

解释:这里可能有人会有疑问,如果k为奇数,则m不是中位数。这里是进行了理想化考虑,在实际代码中略有不同,是先求k/2,然后利用k-k/2获得另一个数。
- A[k/2 - 1] > B[k/2 - 1]; 
- A[k/2 - 1] < B[k/2 - 1]; 
如果A[k/2 - 1] < B[k/2 - 1] ,意味着 A[0] 到 A[k/2 - 1] 的元素一定小于 A+B 第k大的元素。因此可以放心的删除A数组中的这k/2个元素; 
同理,A[k/2 - 1] > B[k/2 - 1];可以删除B数组中的k/2个元素; 
当A[k/2 - 1] == B[k/2 - 1] 时,说明找到了第k大的元素,直接返回A[k/2 - 1] 或B[k/2 - 1]的值。

因此可以写一个递归实现,递归终止条件是什么呢? 
- A或B为空时,直接返回A[k-1] 或 B[k-1] 
- 当k = 1时,返回min(A[0], B[0]) //第1小表示第一个元素 
- 当A[k/2 - 1] == B[k/2 - 1] 时,返回A[k/2 - 1] 或B[k/2 - 1]

我们可以看出,代码非常简洁,而且效率也很高。在最好情况下,每次都有k一半的元素被删除,所以算法复杂度为logk,由于求中位数时k为(m+n)/2,所以算法复杂度为log(m+n)。 

转自:http://www.bubuko.com/infodetail-797383.html

最终实现的代码为(代码是直接拷贝的别人的,到时候还需要自己写一下):

    static int find_kth(int* A, int m,int* B, int n, int k);
    static int min(p, q) {return (p < q) ? p : q;}
    double findMedianSortedArrays(int* nums1, int nums1Size, int* nums2, int nums2Size) {
        int m = nums1Size;
        int n = nums2Size;
        int total = m+n;
        int k = total/2;
        if(total & 0x01) {   //这里用total%2==1也行
            return find_kth(nums1, m, nums2, n, k+1); //奇数,返回唯一中间值
        } else {
            return (find_kth(nums1, m, nums2, n, k) + find_kth(nums1, m, nums2, n, k+1)) / 2.0; //偶数,返回中间2个的平均值
        }
    }
    //找到A,B组合中第k小的值: AB[k-1]
    int find_kth(int* A, int m,int* B, int n, int k) {
        //假设m都小于n
        if (m > n)
            return find_kth(B, n, A, m, k);
        if (m == 0)
            return B[k-1];
        if (k == 1) //终止条件
            return min(A[0], B[0]);

        int i_a = min(m, k/2);    //这两步的意义就是之前解释的遇到奇数时的情况
        int i_b = k - i_a;

        if (A[i_a-1] < B[i_b-1])
            return find_kth(A+i_a, m-i_a, B, n, k-i_a);
        else if (A[i_a-1] > B[i_b-1])
            return find_kth(A, m, B+i_b, n-i_b, k-i_b);
        else
            return A[i_a-1];
    }

  下面是我更改的C++的版:

class Solution {
public:
    int findk(vector<int>& nums1,int len1, vector<int>& nums2,int len2,int k)
    {
        
        if(len1>len2)
            return findk(nums2,len2,nums1,len1,k);
        if(len1==0)
            return nums2[k-1];
        if(k==1)
            return min(nums1[0],nums2[0]);
        int flag1=min(len1,k/2);
        int flag2=k-flag1;
        if(nums1[flag1-1]<nums2[flag2-1])
        {
            vector<int> temp(nums1.begin()+flag1,nums1.end());
            return findk(temp,len1-flag1,nums2,len2,k-flag1); 
        }
        else if(nums1[flag1-1]>nums2[flag2-1])
        {
            vector<int> temp(nums2.begin()+flag2,nums2.end());
            return findk(nums1,len1,temp,len2-flag2,k-flag2);
        }
            
        else
            return nums1[flag1-1];
    }
    
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        int len1=nums1.size();
        int len2=nums2.size();
        int k=(len1+len2)/2;
        if((len1+len2)%2==1)
            return findk(nums1,len1,nums2,len2,k+1);
        else
            return (findk(nums1,len1,nums2,len2,k)+findk(nums1,len1,nums2,len2,k+1))/2.0;
    }
};

  

更多相关文章
  • 据英国路透社5月12日报道,美国电动汽车生产商特斯拉汽车(Tesla)称,在全球最大汽车市场--中国的电动汽车充电标准设立后,将改装面向中国市场生产的新电动汽车,以符合新标准.特斯拉11日在其网站上发布的声明称,该公司也在积极参与中国电动汽车充电标准的制定.由于未完成在中国的销售目标,该公司今年早些 ...
  • 接css3选择器(一) 八.结构性伪类选择器[:nth-child(n)] :nth-child(n)选择器用来匹配某个父元素的一个或多个特定的子元素,和jquery中一样. 其中"n"是其参数,而且可以是整数值(1,2,3,4),也可以是表达式(2n+1,-n+5)和关键字(o ...
  • 1, Buffer cache的作用 为了提高磁盘设备的IO性能,我们采用内存作为磁盘设备的cache.用户操作磁盘设备的时候,首先将数据写入内存,然后再将内存中的脏数据定时刷新到磁盘.这个用作磁盘数据缓存的内存就是所谓的buffer cache.在以前的Linux系统中,有很完善的buffer c ...
  • 最近在和小伙伴讨论如何高效的编写css代码的问题,于是我们想到了使用css的预处理语言.例如(less,sass等).最后我们决定使用less(相对于其他css预处理语言更简单,语法更接近css).   先说说什么是less? 简单的说,你可以在你的css文件中使用变量.函数等方式来编写你的css. ...
  • 1.Fragment的添加方式 FragmentTransaction ft = getFragmentManager().beginTransaction(); ft.hide ft.show ft.add ft.replace ft.hideft.showa.let the old fragme ...
  • JAVA解析XML之SAX方式 SAX解析xml步骤 通过SAXParseFactory的静态newInstance()方法获取SAXParserFactory实例factory 通过SAXParserFactory实例的newSAXParser()方法返回SAXParser实例parser 创建一 ...
一周排行
  • 昨天和今天因为工作需要写了两个很简单的脚本,都需要自定义输出的列,需要用到 select @{name="名字"expression={表达式}}这种方式自定义. 第一个例子是boss让我输出一个 ...
  • 1. CPU Usage     A. WaitForTargetFPS:        Vsync(垂直同步)功能所,即显示当前帧的CPU等待时间     B. Overhead:        Profiler总 ...
  • 项目使用了一种RPC技术,开源Apache thrift,到底RPC是什么,有什么用途,下面进行了最容易理解的总结. 一 RPC的使用场景,原理和使用方法 1.什么是RPC RPC(Remote Procedure ...
  • 其实这套题目不难,D题自己想也能想到那一块,只是对stl用法还没有那么熟..       第一题,水题   AC代码:     [cpp]   #include<iostream>   #include& ...
  • 1.关于隐喻 刚才Review的时候发现开发人员对于页面新建修改的实现采用的是将页面值取得和数据库进行比较,这种方式风险很高,因为页面是客户端东西,不具有实时性,而且对于数据库的并发而言页面的东西很可能是脏数据.其实 ...
  •     Ajax(英文缩写:Asynchronous   JavaScript  And  XML,即异步JavaScript和XML),把用户和Web页面间的交互与Web浏览器和服务器间的通信分离开来. 对比 用户 ...
  • (i美股讯)北京时间9月24日,汤森路透旗下IFR周五报道,在首次大宗出售未能完全售出65亿美元的中国移动(CHL,52.03,+1.46%)有限公司股票后,联合账簿管理人高盛(GS,147.28,+1.64%)(G ...
  •    当学到Servlet这个新技术的时候,不是着急去学Servlet这个java类有什么属性.方法,而是先去了解这个东西什么时候会用到,既然都是BS的,那ASP.NET中有没有类似的?然后就有了我的这篇博客.   ...
  • 1)  冷复位(Cold Reset) 当IC卡的电源电压和其他信号从静止状态中复苏且申请复位信号时,IC卡产生的复位.   2)  热复位(Warm Reset) 在时钟(CLK)和电源电压(VCC)处于激活状态的 ...
  • 在做图书管理系统的时候,有用到window.onload(){}方法,但是遇到了一个问题,就是怎么都不执行,到底是为什么呢?愁了半天.后来经师姐指点改用了$.ready(){}.在我的浅浅的了解中认为他们是一样的,那 ...