思想:

• 将数组从大到小排序后，我们可以根据下标确定有多少篇引用量>=下标对应引用量： 如100 3 2 1 即 1篇>=100,2篇>=3,3篇>=2,4篇>=1 。
• 确定边界值(有可能优化h指数的地方)：边界值即 下标>下标对应引用量的第一个位置。如100 3 2 1 为i=3和100 3 3 1 为i=4。
• 其次，我们需要确定Bessie自己写的综述产生的引用量（仅能对多个+1），加在哪一部分利于提高h指数。
• 可以发现，提高h指数，实质是：将边界值+1以靠近下标 3篇>=2 ,而将1往边界值后的小引用量加是没有作用的（小引用量和下标的差距一定>=2），所以如果有多余的L，应该往边界值前的大引用量+1。
• 重新排序后，寻找边界值，即为答案。

#include <bits/stdc++.h>
using namespace std;

const int N = 100010;
int c[N];

int main(){
    int n,L,temp;
    cin >> n >> L;
    temp=n-1;
    for(int i=1;i<=n;i++) cin >> c[i];
    sort(c+1,c+n+1,greater<int>()); //从大到小排序：100 3 2 1
    for(int i=n;i>=1;i--){ //寻找补1可以提高h指数的位置
        if(c[i]>=i){ // i==3时，c[i]==2 此时c[i]+1，则h指数可以提高
            temp=i;
            break;
        }
    }
    for(int i=temp+1;i>=1;i--){ //应当把1往大引用量加：即若有多余的L，应当：101 4 3 1。因为目标是通过分界处i和c[i]的调和，来使得h指数提高
        if(L){
            c[i]++;
            L--;
        }
    }
    sort(c+1,c+n+1,greater<int>()); //写完综述，论文的引用情况
    for(int i=n;i>=1;i--){ // 100 3 3 1
        //有i篇引用次数>=c[i]：有4篇引用次数>=1    有3篇引用次数>=3    有2篇引用次数>=3    有1篇引用次数>=100
        if(c[i]>=i){ //100 3 2 1的情况：c[2]>=2时退出，即有2篇>=2但实际上有3篇>=2(至少h篇引用次数不少于h)
            cout << i;
            return 0;
        }
    }
    cout << 0; //引用量全为0
    return 0;
}