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
  •   protected void Page_Load(object sender, EventArgs e) { HttpPostedFile jpeg_image_upload = Request.Files[&q ...
  • 明明是机位上有个小伙在上网,可网络登记计费系统却没有任何显示. 6月14日下午,在德清县武康镇千秋街一家网吧内,网吧老板闻先生在管理登记系统上发现了异常,他打电话报了警.很快,派出所来人把小伙子带走了.   警方一查 ...
  •  硬盘故障的分类     从计算机诞生起,数据恢复就伴随着计算机的发展一步步走向成熟,在信息化时代的今天,数据恢复更显得举足轻重.现代数据恢复技术已经可以解决多种硬盘故障引起的数据丢失问题,总结起来,可进行数据恢复的 ...
  •  好几个月没有更新blog文章了,只因为这几个月开发工作太繁忙了,基本没有闲暇的时间.最近工作任务稍许稳定些了,接下去peter会继续更新blog,希望大家继续关注.   预告一下后期的文章,目前peter手头存了好 ...
  • 木马程序最喜欢去的地方有两个一个是服务里面,一个是启动里面.利用msconfig我们可以快速的找到可疑程序. 在命令行中输入msconfig回车 选择服务项: 这里面的服务有很多我们很难排查,我告诉大家个好办法,选中 ...
  • xss存储型,但是新浪做了httponly了吧.但是做个钓鱼绝对不是问题. 黑名单的过滤,还是过滤的少了侥幸绕过. 问题站点: 新浪汽车汽车论坛 url:http://bbs.auto.sina.com.cn 问题页 ...
  • <御天降魔传>MOD怎么用?大家都知道游戏采用U3D引擎制作,而早先就有玩家制作了U3D引擎MOD工具使.assets文件都能解封包,今天小编就为大家带来<御天降魔传>画质补丁安装与MOD使用 ...
  • 晨报讯(记者 焦立坤)手机实名制的"大限"--9月1日即将到来.昨日市场传出,中国联通和中国电信已在内部下发了实施手机实名制的具体方案,均规定9月1日起先实施新增电话用户全面实施实名登记,然后用话 ...
  • 硬件环境 : 一台服务器 安装了 sqlserver2008 数据库 局域网另一台机器 安装了 sqlserver2000数据库 两台服务器 通信 共享均没有问题 同步过程中遇到的问题 : 在Sql2000下已能实现 ...
  • 通过一个注册用户的实例了解页面间数据的传递   首先构建一个User类  User.cs public class User { private string name; public string Name { g ...