给你一个整数数组
citations
,其中citations[i]
表示研究者的第i
篇论文被引用的次数,citations
已经按照 升序排列 。计算并返回该研究者的 h 指数。h 指数的定义:h 代表“高引用次数”(high citations),一名科研人员的
h
指数是指他(她)的 (n
篇论文中)总共有h
篇论文分别被引用了至少h
次。请你设计并实现对数时间复杂度的算法解决此问题。
示例 1:
输入:
citations = [0,1,3,5,6]
输出:3 解释:给定数组表示研究者总共有5
篇论文,每篇论文相应的被引用了 0, 1, 3, 5, 6
次。 由于研究者有3
篇论文每篇 至少 被引用了3
次,其余两篇论文每篇被引用 不多于3
次,所以她的 h 指数是3
。示例 2:
输入:citations = [1,2,100] 输出:2提示:
n == citations.length
1 <= n <= 105
0 <= citations[i] <= 1000
citations
按 升序排列
class Solution {
public int hIndex(int[] citations) {
int left = 0 ;
int len = citations.length;
int right = len - 1;
int mid = 0;
while(left < right) {
mid = (left+right) / 2;
int target = len - mid ;
if(citations[mid] <= target) left = mid + 1;
else right = mid;
}
left-=1;
if(left < 0) left = 0;
if(citations[left] < (len-left)) {
if(left + 1 < len)
left+=1;
}
return len-left > citations[left] ? citations[left]:len-left;
}
}
每日一题,今天是中等题。 这道题还是经典的二分查找。
读题,包装得很好,H指数,实际上就是要找数组中一个位置,使得从这个位置算起往后的元素的个数小于等于这个位置元素的值。也就是citations[location] >= len-location。而该数组会以升序的方式排列。升序,数组,查找。二分循着味就来了,甚至最后还给我们贴心的提示要O(logN)的算法。
那么常规三件套,len,left,right。之后就是最近常用的找到小于等于该位置的最小值,用left=mid+1。但这里有个问题,就是left==right的时候是会直接跳出来的,有可能有判断了,也有可能没有判断。而我们认为这个函数查找的答案是left-1的位置,就有可能出现left是负数的情况,所以需要判断一下。
之后还有可能,压根没有等于这个位置,找到的情况就是大于和小于的边界,退一步就是小于。那我们已经小于了,就需要对left+1的位置也就是原位置进行判断,如果现在这个位置实际上是小于的地方,那么这个时候意味着没有刚好等于的情况,只有分界的两种情况。而我们要找的位置,不是小于的位置,而是等于大于的位置,没有等于就只能取大于的位置。
最后,题目要的答案是这h篇分别被引用了至少h次,也就是说,citations[left]答案的个数,是不能超过len-left符合条件的所有文章的个数的。可以小于,但不能超过。所以,最后需要进行判定,如果超过了,就直接返回个数就可以了。
以下是运行结果。这道题对于二分还是有练习意义的。