274. H 指数

文章目录

一、题目

1、题目描述

给你一个整数数组 citations ,其中 citationsi 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,并且每篇论文 至少 被引用 h 次。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 <= citationsi <= 1000

2、基础框架

  • C++版本给出的基础框架如下:

3、原题链接

https://leetcode.cn/problems/h-index/

二、解题报告

1、思路分析

1.1 方案一

   ( 1 ) (1) (1)创建一个大小为n的结果数组。

   ( 2 ) (2) (2)遍历原始数组,以当前遍历值为界,在结果数组中小于该值的下标元素值加1。

   ( 3 ) (3) (3)从大到小遍历结果数组,当元素值大于等于下标时,将下标返回。

1.2 方案二

   ( 1 ) (1) (1)先从小到大排序。

   ( 2 ) (2) (2)遍历数组,如果当前的值大于等于剩余未遍历的(包括当前遍历的)元素个数,则将其结果返回。

2、时间复杂度

3、代码详解

3.1 方案一

cpp 复制代码
class Solution {
public:
    int hIndex(vector<int>& citations) {
        int n = citations.size();
        vector<int> ret(n+1,0);
        for (int i = 0; i < n; i++) {
            for (int j = 1; j <= citations[i]; j++) {
                if (j > n) {
                    break;
                }
                ret[j]++;
            }
        }
        for (int i = ret.size() - 1; i > 0; i--) {
            if (ret[i] >= i) {
                return i;
            }
        }
        return 0;
    }
};

3.2 方案二

cpp 复制代码
class Solution {
public:
    int hIndex(vector<int>& citations) {
        int n = citations.size();
        sort(citations.begin(), citations.end());
        for (int i = 0; i < citations.size(); i++) {
            if (citations[i] >= (n-i)) {
                return n-i;
            }
        }
        return 0;
    }
};

三、本题小知识

相关推荐
Zhang~Ling7 小时前
C++ 红黑树封装:myset和mymap的底层实现
开发语言·数据结构·c++·算法
ECT-OS-JiuHuaShan7 小时前
什么是对和错?——“有针对性定义域的逻辑值的真伪”:认识论终极追问的公理化裁决
数据库·人工智能·算法·机器学习·数学建模
啦啦啦啦啦zzzz7 小时前
数据结构:堆排序
数据结构·c++·
Merlyn107 小时前
【栈】155. 最小栈
python·算法
一个不知名程序员www7 小时前
算法学习入门---算法题DAY5
c++·算法
San813_LDD7 小时前
[量化]《虚函数调用时间复杂度完全解析:为什么是 O(1) 以及它的真实代价》
java·数据结构·算法
MartinYeung57 小时前
[论文学习]利用索引梯度优化基于优化的 LLM 越狱攻击:MAGIC 方法的深度分析与实现
人工智能·学习·算法
数据仓库搬砖人7 小时前
特征选择三剑客:前向、后向、全子集,哪种更适合你?
算法
起个破名想半天了8 小时前
算法与数据结构之Floyd算法
数据结构·算法
千寻girling8 小时前
机器学习 | 无监督学习算法(了解) | 尚硅谷学习
学习·算法·机器学习