274. H 指数

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

1. 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。
2. 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。
3. 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。

4. 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)。