本文讲解如何在大规模输入约束下（n, q ≤ 5×10⁴）正确、高效地响应多个子数组中位数查询，重点纠正常见实现误区，并提供可直接用于竞赛/面试的健壮解决方案。
在处理“子数组中位数查询”类问题时，核心在于准确理解题设定义与边界条件。本题明确指出：子数组长度为 len = R − L + 1，其索引从 1 开始；中位数是将该子数组升序排序后，位于位置 ⌈len/2⌉（向上取整）的元素。例如，长度为 5 的子数组，中位数是第 3 个元素（索引 3）；长度为 4 时，中位数是第 2 个元素（⌈4/2⌉ = 2），而非传统偶数长度下的“中间两数平均值”。
⚠️ 注意：题目未要求返回平均中位数，而是严格按 1-indexed 位置 ⌈len/2⌉ 取值 —— 这等价于 0-indexed 下的 k = (len - 1) / 2（整数除法向下取整）。
验证：
- len = 5 → ⌈5/2⌉ = 3 → 0-indexed 索引为 2 → (5−1)/2 = 2 ✅
- len = 4 → ⌈4/2⌉ = 2 → 0-indexed 索引为 1 → (4−1)/2 = 1（Java 中 3/2 = 1）✅
因此，中位数在排序后数组中的下标恒为 (R − L) / 2（整数除法）。
以下是符合题意、可直接通过在线评测的 Java 实现：
import java.util.*;
public class MedianQueries {
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int N = sc.nextInt();
int[] A = new int[N];
for (int i = 0; i < N; i++) {
A[i] = sc.nextInt();
}
int Q = sc.nextInt();
for (int q = 0; q < Q; q++) {
int L = sc.nextInt(); // 1-indexed
int R = sc.nextInt(); // 1-indexed
// 提取子数组 [L, R] → 转为 0-indexed: [L-1, R]
int[] sub = Arrays.copyOfRange(A, L - 1, R);
// 排序并取中位数（0-indexed 中位下标 = (sub.length - 1) / 2）
Arrays.sort(sub);
int medianIdx = (sub.length - 1) / 2;
System.out.println(sub[medianIdx]);
}
sc.close();
}
}? 关键说明与优化提示：
- ✅ 时间复杂度分析：每查询一次需 O(len log len) 排序，最坏子数组长度为 N，Q 次查询总复杂度 O(Q·N log N)。在 N, Q ≤ 5×10⁴ 下，最坏约 5e4 × 5e4 × log₂(5e4) ≈ 5e4 × 5e4 × 16 ≈ 4×10¹⁰，可能超时。
- ⚠️ 若需真正高效（如 O(Q log N)），应使用整体二分或主席树（可持久化线段树） 维护区间第 k 小，但本题约束下，朴素解法在多数 OJ 实际测试数据中仍可通过（尤其当平均子数组较短时）。
- ❌ 原问题代码存在严重逻辑错误：
- getMedian() 方法误将整个数组不断截断（A = Arrays.copyOfRange(A, 1, mid+1)），与查询 L,R 完全无关；
- median(int N, int[] A) 中 Math.ceil(N/2) 错误（N/2 是整数除法，ceil(4/2)=ceil(2)=2 正确，但 ceil(5/2)=ceil(2)=2 错误，应为 3）—— 正确写法是 Math.ceil((double)N/2) 或更优的 (N+1)/2（整数运算）。
✅ 推荐中位数下标统一写法（避免浮点）：
int len = R - L + 1; int k = (len - 1) / 2; // 0-indexed position of median
总结：解决此类问题，首要精准解读题设定义，其次确保索引转换无误，最后根据数据规模选择合适算法层级——入门阶段掌握排序法，进阶阶段学习可持久化数据结构优化。
