高效查找两个有序数组的中位数：二分查找优化实践

1. 问题背景与核心挑战

这道算法题源自真实面试场景，是考察候选人算法基础和编码能力的经典题目。给定两个已经按升序排列的数组nums1和nums2，要求找出这两个数组合并后的中位数。看似简单的问题背后隐藏着多个需要解决的子问题：

• 如何高效合并两个有序数组？
• 如何处理合并后数组长度为奇数和偶数的不同情况？
• 能否在不实际合并数组的情况下找到中位数？

我在第一次接触这个问题时，本能反应是先合并再取中位数。但实际编写时发现，这种暴力解法虽然直观，但当数组长度很大时（比如各100万元素），会消耗大量内存和时间。这促使我寻找更优解。

2. 暴力解法与性能分析

2.1 直接合并法实现

最直观的解法是将两个数组合并后排序，然后根据长度奇偶性返回中位数：

python复制def findMedianSortedArrays(nums1, nums2):
    merged = nums1 + nums2
    merged.sort()
    n = len(merged)
    if n % 2 == 1:
        return merged[n//2]
    else:
        return (merged[n//2-1] + merged[n//2])/2

注意：虽然题目说明输入数组已排序，但Python的+操作符不会保持顺序，所以需要显式调用sort()

2.2 时间复杂度分析

这种解法的时间复杂度主要来自排序操作。Python的sort()使用Timsort算法，平均时间复杂度为O((m+n)log(m+n))，其中m和n分别是两个数组的长度。空间复杂度为O(m+n)，因为需要存储合并后的数组。

当处理小型数组时（如各100个元素），这种方法完全可行。但在实际工程场景中，面对大数据量时（如各10^6元素），这种解法会成为性能瓶颈。

3. 优化思路：二分查找法

3.1 算法核心思想

更高效的解法是利用数组已排序的特性，通过二分查找确定中位数的位置。基本思路是：

1. 确保nums1是较短的数组（减少二分范围）
2. 在nums1中寻找分割点i，nums2中对应分割点j=(m+n+1)//2 - i
3. 检查分割线两侧元素的大小关系：
   • num