题目
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
答案
class Solution {
public:
int hIndex(vector<int>& citations) {
sort(citations.begin(), citations.end(), greater<int>());
int h = 0;
for (int c : citations) {
if (c <= h)
break;
else
++h;
}
return h;
}
};
算法原理
算法步骤
- 排序:
首先,算法对给定的citations向量(代表研究者的每篇论文的引用次数)进行降序排序。这一步是关键,因为它允许我们按照引用次数的从高到低来遍历论文,从而能够高效地找到h指数。 - 初始化:
接着,算法初始化一个名为h的变量为0,这个变量将用于跟踪当前的h指数值。 - 遍历和计算:
- 然后,算法使用一个范围for循环来遍历排序后的citations向量。
- 在每次迭代中,它比较当前论文的引用次数c与当前的h指数值h。
① 如果c <= h,说明当前的h值已经足够大,以至于后续论文(如果有的话)的引用次数都不可能再达到或超过h了。这是因为我们按照引用次数从高到低排序了论文,所以后续的论文引用次数只可能更低。此时,算法可以停止遍历,因为已经找到了h指数的值。
② 如果c > h,说明当前论文的引用次数仍然超过了当前的h值,那么h指数的值就应该增加。因此,算法将h的值加1,并继续遍历下一篇论文。
- 返回结果:
最后,当循环结束时(无论是正常结束还是因为c <= h条件满足而提前终止),h变量中存储的就是研究者的h指数。算法将这个值返回作为结果。
算法原理总结
- 排序原理:通过降序排序,我们确保了论文按照引用次数的从高到低进行遍历,从而能够高效地找到满足h指数定义的“至少有h篇论文的引用次数不低于h次”的临界点。
- 迭代原理:通过迭代遍历排序后的论文列表,并逐步增加h指数的值,直到找到不满足“论文引用次数不低于h”条件的论文为止。这个过程中的h值就是我们要求的h指数。
时间复杂度
排序:O(n log n),其中n是citations向量的长度。
遍历:O(n),因为我们需要遍历整个排序后的向量。
总体:由于排序步骤的复杂度更高,所以总体时间复杂度为O(n log n)。