二分查找在有序数组求中位数的精妙应用

1. 问题背景与核心挑战

这道来自力扣热题100的经典算法题，要求我们在两个已排序的数组中找到合并后的中位数。看似简单的需求背后隐藏着几个关键难点：首先，题目要求时间复杂度必须控制在O(log(m+n))，这意味着暴力合并的O(m+n)解法直接被判出局；其次，两个数组的长度可能差异巨大，需要考虑各种边界情况；最重要的是，如何在有序数组中实现对数级查找，这正是二分查找算法发挥威力的舞台。

我在第一次接触这个问题时，尝试了直接合并后取中位数的朴素解法，结果在提交时毫不意外地收到了超时警告。这促使我深入研究了二分查找在这个场景下的精妙应用。经过多次调试和优化，最终实现了一个既高效又健壮的解决方案。下面我将分享这个过程中的关键思路和实战技巧。

2. 算法思路解析

2.1 中位数的数学本质

理解中位数的数学定义是解决这个问题的第一步。对于合并后的数组，当总长度为奇数时，中位数就是中间那个数；当长度为偶数时，则是中间两个数的平均值。这个定义看似简单，但转化为算法实现时需要特别注意：

• 无论总长度奇偶，中位数都可以看作是第k小的数（或两个数的平均值）
• 对于长度为m和n的两个数组，k的取值可能是(m+n+1)/2和(m+n+2)/2（兼容奇偶情况）
• 这意味着问题可以转化为在两个有序数组中寻找第k小的元素

2.2 二分查找的变种应用

传统的二分查找是在单个有序数组中进行的，而这个问题的创新点在于如何在两个数组间协同进行二分查找。核心思路是：

1. 每次比较两个数组的第k/2个元素
2. 较小值所在的数组前k/2个元素可以安全排除
3. 递归查找剩下的元素中第k-k/2小的数

这个过程中有几个关键细节需要注意：

• 当某个数组长度不足k/2时，需要特殊处理
• 边界条件（如一个数组完全被排除）需要单独考虑
• 递归终止条件要精确控制

提示：在实际编码时，建议使用迭代而非递归实现，可以避免栈溢出并提升性能。

3. 详细实现步骤

3.1 基础框架搭建

首先我们定义函数签名和基础结构：

python复制def findMedianSortedArrays(nums1, nums2):
    m, n = len(nums1), len(nums2)
    # 统一处理奇偶情况
    left = (