leetcode274. H 指数

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。计算并返回该研究者的 h 指数。

根据维基百科上 h 指数的定义：h 代表“高引用次数” ，一名科研人员的 h 指数 是指他（她）至少发表了 h 篇论文，并且 至少 有 h 篇论文被引用次数大于等于 h 。如果 h 有多种可能的值，h 指数 是其中最大的那个。

示例 1：

输入：citations = [3,0,6,1,5]
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 3, 0, 6, 1, 5 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 = [1,3,1]
输出：1

提示：

• n == citations.length

• 1 <= n <= 5000

• 0 <= citations[i] <= 1000

步骤 1：问题分析

这个问题的目标是计算研究者的 h 指数。h 指数是用于衡量研究者影响力的一个指标。根据定义：

• 如果研究者至少有 h 篇论文，每篇论文的引用次数均大于等于 h，则 h 指数为 h。
• 研究者的 h 指数是满足该条件的最大值。

输入条件：

• citations：长度为 n 的整数数组，表示每篇论文的引用次数。

输出条件：

• 返回该研究者的 h 指数。

边界条件：

1. 引用次数可以为 0，即论文可能没有被引用。
2. 如果研究者只有 1 篇论文，h 指数的值最多为 1。
3. 如果所有论文的引用次数都为 0，那么 h 指数应为 0。

限制条件：

• 1 <= n <= 5000，意味着我们可以容忍 O(n log n) 的算法复杂度，但 O(n²) 的算法在极端情况下可能会超时。
• 0 <= citations[i] <= 1000，论文的引用次数有限，且不会出现负数。

步骤 2：算法设计思路

这个问题可以通过以下几种方法求解：

方法 1：暴力解法

暴力解法的思路是，对每个可能的 h 值从 0 开始计算，查看引用次数大于等于 h 的论文数量。如果论文数量大于等于 h，那么我们可以更新 h 值。

时间复杂度：O(n²) —— 对于每个可能的 h 值，都需要遍历一次 citations 数组。

方法 2：排序 + 贪心解法

更有效的解法是先将数组 citations 按照引用次数从高到低排序。然后从最大引用次数开始遍历，找到第一个不满足条件的引用次数。具体过程如下：

1. 对 citations 数组进行从大到小排序。
2. 对排序后的数组遍历，找到引用次数大于等于索引值加 1 的最大值。

时间复杂度：O(n log n) —— 排序的复杂度是 O(n log n)，遍历一次数组是 O(n)。

最佳方法：排序 + 贪心

考虑到题目的数据范围，我们选择方法 2，它能够在有限的时间内解决问题。

步骤 3：详细C++代码实现

代码解释：

1. 排序：我们首先对 citations 数组进行从大到小的排序，这样我们就可以从最多引用次数开始遍历。
2. 遍历判断：我们从第一个元素开始，检查引用次数是否大于等于当前论文的编号（从 1 开始计数）。如果满足条件，我们更新 h 值。
3. 提前结束：如果发现某一篇论文的引用次数已经不满足条件，我们可以立即终止循环。

步骤 4：算法优化与启发

优化启发：

• 本问题核心是找到某种“临界值”，贪心法通过排序后逐步缩小范围，确保我们每次都能找到最大的 h 值。
• 排序的代价是 O(n log n)，这是可以接受的复杂度。在其他问题中，如果不需要精确找到某个临界值，可以考虑使用二分查找进一步优化。

处理大规模数据集：

在实际场景中，论文数量可能远超 5000，尤其对于处理大型文献数据库时，算法的时间复杂度成为一个关键问题。通过分治策略或平衡树等数据结构，可能进一步优化性能。

步骤 5：实际应用与场景分析

实际生活中的应用场景：

1. 学术评价系统：该算法可以应用于学术机构和大学的研究评价系统中，自动计算每个学者的 h 指数，用于科研绩效的衡量。
2. 招聘和人才筛选：在招聘领域中，尤其是学术和研究型岗位，h 指数可以作为评估候选人研究能力的重要指标。

应用实例：

在某大学的学术数据库中，负责定期评估教授和研究员的科研影响力。通过运行该算法，学校可以根据每个教授的 h 指数，自动生成科研绩效报告，作为升职、发放科研经费的重要依据。具体实现方法是在数据库中获取每个研究人员的发表记录和引用次数，使用上述算法快速计算 h 指数，并将其展示在科研管理系统中。

总结：

本题通过排序与贪心算法求解 h 指数，效率高且能够适应较大数据量。该算法的核心思想也适用于其他类似的“临界值”查找问题。