275. H指數(shù) II

給定一位研究者論文被引用次數(shù)的數(shù)組(被引用次數(shù)是非負整數(shù)),數(shù)組已經按照升序排列。編寫一個方法榜苫,計算出研究者的 h 指數(shù)。

h 指數(shù)的定義: “h 代表“高引用次數(shù)”(high citations)翎冲,一名科研人員的 h 指數(shù)是指他(她)的 (N 篇論文中)總共有 h 篇論文分別被引用了至少 h 次垂睬。(其余的 N - h 篇論文每篇被引用次數(shù)不多于 h 次。)"

示例:

輸入: citations = [0,1,3,5,6]
輸出: 3
解釋: 給定數(shù)組表示研究者總共有 5 篇論文抗悍,每篇論文相應的被引用了 0, 1, 3, 5, 6 次驹饺。
由于研究者有 3 篇論文每篇至少被引用了 3 次,其余兩篇論文每篇被引用不多于 3 次缴渊,所以她的 h 指數(shù)是 3赏壹。

說明:

如果 h 有多有種可能的值 ,h 指數(shù)是其中最大的那個衔沼。

進階:

這是 H指數(shù) 的延伸題目蝌借,本題中的 citations 數(shù)組是保證有序的昔瞧。
你可以優(yōu)化你的算法到對數(shù)時間復雜度嗎?

本題看到要對數(shù)復雜度菩佑,并且是有序的自晰,那就想到了二分算法。
算法很輕松的就想到了稍坯,但是處理本題沒那么簡單酬荞,因為本題的判斷和返回值和普通的二分查找是不一樣的。
我們設數(shù)組總數(shù)為n
當 citations[mid] == n - mid 相同的時候瞧哟,我們直接返回n - mid混巧。
否則我們就要進行判斷

  • 如果 citations[mid] > n - mid 就說明,該數(shù)不可能是H指數(shù)绢涡,那就說明H指數(shù)存在的話就一定在前面牲剃。
  • 如果citations[mid] < n-mid 就說明,該數(shù)是H指數(shù)雄可,但是不一定是最大H指數(shù)凿傅,我們往后查詢看看。

本題我們需要返回的是n - mid 因為H指數(shù)不是一定在數(shù)組中一定存在的数苫,而是一個根據(jù)定義生成的數(shù)字聪舒。
最后如果找不到那個citations[mid] == n - mid的數(shù),那就說明H指數(shù)并不在數(shù)組中存在虐急,因為我們始終會去找到H指數(shù)箱残,然后在找到的基礎上進行繼續(xù)縮小范圍,最后low指向的是可以形成H指數(shù)的數(shù)止吁,或是第一個數(shù)被辑,high與low相等,這時候low會加一從而退出循環(huán)敬惦,因此我們最后要返回n-low盼理。
代碼如下:

class Solution {
    public int hIndex(int[] citations) {
        
        int high = citations.length - 1;
        int low = 0;
        int n = citations.length;
        while (low <= high){
            int mid = (high - low) / 2 + low;
            int notLessThanMid = n - mid;
            if (citations[mid] == notLessThanMid )
                return n - mid;
            else if (citations[mid] < notLessThanMid){               
                low = mid + 1;
            }
            else if (citations[mid] > notLessThanMid){
                high = mid - 1;
            }
        }
        return n - low;

    }
}

來源:力扣(LeetCode)
鏈接:https://leetcode-cn.com/problems/h-index-ii
著作權歸領扣網絡所有。商業(yè)轉載請聯(lián)系官方授權俄删,非商業(yè)轉載請注明出處宏怔。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市畴椰,隨后出現(xiàn)的幾起案子臊诊,更是在濱河造成了極大的恐慌,老刑警劉巖斜脂,帶你破解...
    沈念sama閱讀 222,946評論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件抓艳,死亡現(xiàn)場離奇詭異,居然都是意外死亡帚戳,警方通過查閱死者的電腦和手機壶硅,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,336評論 3 399
  • 文/潘曉璐 我一進店門威兜,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人庐椒,你說我怎么就攤上這事椒舵。” “怎么了约谈?”我有些...
    開封第一講書人閱讀 169,716評論 0 364
  • 文/不壞的土叔 我叫張陵笔宿,是天一觀的道長。 經常有香客問我棱诱,道長泼橘,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,222評論 1 300
  • 正文 為了忘掉前任迈勋,我火速辦了婚禮炬灭,結果婚禮上,老公的妹妹穿的比我還像新娘靡菇。我一直安慰自己重归,他們只是感情好,可當我...
    茶點故事閱讀 69,223評論 6 398
  • 文/花漫 我一把揭開白布厦凤。 她就那樣靜靜地躺著鼻吮,像睡著了一般。 火紅的嫁衣襯著肌膚如雪较鼓。 梳的紋絲不亂的頭發(fā)上椎木,一...
    開封第一講書人閱讀 52,807評論 1 314
  • 那天,我揣著相機與錄音博烂,去河邊找鬼香椎。 笑死,一個胖子當著我的面吹牛禽篱,可吹牛的內容都是我干的畜伐。 我是一名探鬼主播,決...
    沈念sama閱讀 41,235評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼谆级,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了讼积?” 一聲冷哼從身側響起肥照,我...
    開封第一講書人閱讀 40,189評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎勤众,沒想到半個月后舆绎,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經...
    沈念sama閱讀 46,712評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡们颜,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 38,775評論 3 343
  • 正文 我和宋清朗相戀三年吕朵,在試婚紗的時候發(fā)現(xiàn)自己被綠了猎醇。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,926評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡努溃,死狀恐怖硫嘶,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情梧税,我是刑警寧澤沦疾,帶...
    沈念sama閱讀 36,580評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站第队,受9級特大地震影響哮塞,放射性物質發(fā)生泄漏。R本人自食惡果不足惜凳谦,卻給世界環(huán)境...
    茶點故事閱讀 42,259評論 3 336
  • 文/蒙蒙 一忆畅、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧尸执,春花似錦家凯、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,750評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至岖常,卻和暖如春驯镊,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背竭鞍。 一陣腳步聲響...
    開封第一講書人閱讀 33,867評論 1 274
  • 我被黑心中介騙來泰國打工板惑, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人偎快。 一個月前我還...
    沈念sama閱讀 49,368評論 3 379
  • 正文 我出身青樓冯乘,卻偏偏與公主長得像,于是被迫代替她去往敵國和親晒夹。 傳聞我的和親對象是個殘疾皇子裆馒,可洞房花燭夜當晚...
    茶點故事閱讀 45,930評論 2 361