二分查找变种：中位数与旋转数组最小值-代码聚汇网

二分查找变种：中位数与旋转数组最小值

东予薏米

1. 题目解析与核心思路

这两道题目都是经典的二分查找变种问题，在实际面试和算法竞赛中经常出现。我们先分别理解题目要求：

1.1 寻找两个正序数组的中位数（LeetCode 114）

给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2，找出并返回这两个正序数组的中位数。要求算法的时间复杂度为 O(log(m+n))。

关键点：

两个数组都是有序的
需要高效算法（提示使用二分）
需要考虑奇偶长度情况

1.2 寻找旋转排序数组中的最小值（LeetCode 153）

已知一个长度为 n 的数组，预先按照升序排列，经由1到n次旋转后，得到输入数组。例如，原数组 [0,1,2,4,5,6,7] 可能变为 [4,5,6,7,0,1,2]。请找出并返回数组中的最小元素。要求时间复杂度为 O(logn)。

关键点：

旋转后的数组局部有序
需要高效算法（提示使用二分）
可能有重复元素（本题假设无重复）

2. 解题思路与算法设计

2.1 中位数问题的二分解法

对于两个有序数组的中位数问题，最直观的解法是合并后取中位数，但这样时间复杂度为O(m+n)，不符合要求。我们需要更高效的二分查找方法。

核心思路：

将问题转化为寻找第k小的数
比较两个数组的第k/2个元素
排除不可能包含中位数的部分
递归处理剩余部分

具体步骤：

python复制def findMedianSortedArrays(nums1, nums2):
    def getKthElement(k):
        # 实现细节...
        pass
    
    total = len(nums1) + len(nums2)
    if total % 2 == 1:
        return getKthElement(total // 2 + 1)
    else:
        return (getKthElement(total // 2) + getKthElement(total // 2 + 1)) / 2

2.2 旋转数组最小值的二分解法

对于旋转排序数组的最小值查找，虽然数组不是全局有序，但可以找到局部有序的部分来应用二分查找。

核心思路：

比较中间元素与右边界元素
根据比较结果决定搜索左半部分还是右半部分
终止条件是找到最小值点

具体步骤：

python复制def findMin(nums):
    left, right = 0, len(nums) - 1
    while left < right:
        mid = (left + right) // 2
        if nums[mid] > nums[right]:
            left = mid + 1
        else:
            right = mid
    return nums[left]

3. 代码实现与细节处理

3.1 中位数问题的完整实现

python复制def findMedianSortedArrays(nums1, nums2):
    def getKthElement(k):
        index1, index2 = 0, 0
        while True:
            # 边界情况处理
            if index1 == m:
                return nums2[index2 + k - 1]
            if index2 == n:
                return nums1[index1 + k - 1]
            if k == 1:
                return min(nums1[index1], nums2[index2])
            
            # 正常情况
            newIndex1 = min(index1 + k // 2 - 1, m - 1)
            newIndex2 = min(index2 + k // 2 - 1, n - 1)
            pivot1, pivot2 = nums1[newIndex1], nums2[newIndex2]
            if pivot1 <= pivot2:
                k -= newIndex1 - index1 + 1
                index1 = newIndex1 + 1
            else:
                k -= newIndex2 - index2 + 1
                index2 = newIndex2 + 1
    
    m, n = len(nums1), len(nums2)
    total = m + n
    if total % 2 == 1:
        return getKthElement((total + 1) // 2)
    else:
        return (getKthElement(total // 2) + getKthElement(total // 2 + 1)) / 2

3.2 旋转数组最小值的完整实现

python复制def findMin(nums):
    left, right = 0, len(nums) - 1
    while left < right:
        mid = (left + right) // 2
        if nums[mid] > nums[right]:
            left = mid + 1
        else:
            right = mid
    return nums[left]

4. 复杂度分析与边界条件

4.1 中位数问题复杂度

时间复杂度：O(log(m+n))

每次递归调用都会将k减少约一半
最多递归log(m+n)次

空间复杂度：O(1)

只使用了常数个额外空间

边界条件：

一个数组为空
两个数组长度相同
中位数位于一个数组的边界
数组有重复元素

4.2 旋转数组最小值复杂度

时间复杂度：O(logn)

标准的二分查找复杂度

空间复杂度：O(1)

只使用了常数个额外空间

边界条件：

数组未旋转（完全有序）
数组旋转n-1次（相当于只旋转1次）
数组长度为1
数组有重复元素（本题假设无重复）

5. 常见问题与调试技巧

5.1 中位数问题常见错误

边界条件处理不当：
- 忘记处理一个数组提前用完的情况
- k=1时的终止条件错误
索引计算错误：
- newIndex的计算需要考虑数组长度限制
- k的更新需要准确计算排除的元素数量

调试技巧：

打印每次递归的k值和当前索引
使用小规模测试用例验证边界条件

5.2 旋转数组最小值常见错误

比较条件错误：
- 错误地与左边界比较而非右边界
- 等于情况的处理不当
循环条件错误：
- 使用left <= right可能导致死循环
- 终止条件处理不当