JAVA算法：哈希查找

哈希查找（Hash Search）

概念:

哈希法：又称散列法、杂凑法或关键字地址计算法等，相应的表称为哈希表。

哈希表的装填因子α： α = 哈希表中元素个数 / 哈希表的长度
α可描述哈希表的装满程度。显然，α越小，发生冲突的可能性越小，而α越大，发生冲突的可能性也越大。

基本思想:

首先在元素的关键字k和元素的存储位置p之间建立一个对应关系H，使得p=H(k)，H称为哈希函数。

除留余数法:

假设哈希表长为m， p为小于等于m的最大素数， 则哈希函数为 H（k）=k%p，其中%为模p取余运算。

处理冲突的方法:

开放定址法:（这种方法也称再散列法）

这种方法有一个通用的再散列函数形式：
Hi=（H（key）+di）%m, i=1,2,…, n
其中H（key）为哈希函数，m 为表长，di称为增量序列。增量序列的取值方式不同，相应的再散列方式也不同。主要有以下三种：

1.线性探测再散列： di=1，2，3，…，m-1
2.二次探测再散列：di=12,-12,22,-22,…,k2,-k2 (k≤m/2)
3.伪随机探测再散列：di=伪随机数序列。

再哈希法:

这种方法是同时构造多个不同的哈希函数：
Hi=RH1（key）， i=1，2， …， k
当哈希地址Hi=RH1（key）发生冲突时，再计算Hi=RH2（key）……直到冲突不再产生。这种方法不易产生聚集，但增加了计算时间。

链地址法:

这种方法的基本思想是将所有哈希地址为i的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中， 因而查找、插入和删除主要在同义词链中进行。 链地址法适用于经常进行插入和删除的情况。

哈希查找概念摘自博客：https://blog.csdn.net/De_lovely_crane/article/details/93882963

了解完哈希查找原理，我们来实践一下:

来源：力扣（leetCode）第1题：两数之和
给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 的那 两个 整数，并返回它们的数组下标。
你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。
你可以按任意顺序返回答案。
示例：

示例 1：
输入：nums = [2,7,11,15], target = 9
输出：[0,1]
解释：因为 nums[0] + nums[1] == 9 ，返回 [0, 1] 。

示例 2：
输入：nums = [3,2,4], target = 6
输出：[1,2]

示例 3：
输入：nums = [3,3], target = 6
输出：[0,1]

记录一下看到该题的菜鸡写法：

private static int[] twoSum(int[] nums, int target) {
        //1、定义一个keys数组，存放有效数据的下标
        //2、定义一个map，将下标当作key，值当作value存放
        List<Integer> keys = new ArrayList<>();
        Map<Integer, Integer> numMap = new HashMap<>(nums.length);
        for (int i = 0; i < nums.length; i++) {
            numMap.put(i, nums[i]);
            keys.add(i);
        }

        int[] result = new int[]{0, 1};
        //3、双重for循环每一个数与另外数相加是否等于该目标值，若相等则结束本次循环
        for (int i = 0; i < keys.size() - 1; i++) {
            for (int j = i; j < keys.size() - 1; j++) {
                if (numMap.get(keys.get(i)) + numMap.get(keys.get(j + 1)) == target) {
                    result[0] = keys.get(i);
                    result[1] = keys.get(j + 1);
                    return result;
                }
            }
        }
        throw new RuntimeException("没有查找到正确答案！");
    }

虽然通过了leetCode的测试用例可是不管是从时间还是空间上效率都比较低。。。

后续看到该题的标签“哈希表”，才想到使用哈希查找来解题：

leetCode官方解题思路：
使用哈希表，可以将寻找 target - x 的时间复杂度降低到从 O(N) 降低到 O(1)。
这样我们创建一个哈希表，对于每一个 x，我们首先查询哈希表中是否存在 target - x，然后将 x 插入到哈希表中，即可保证不会让 x 和自己匹配。

时间复杂度：O(N)，其中 N 是数组中的元素数量。对于每一个元素 x，我们可以 O(1) 地寻找 target - x。
空间复杂度：O(N)，其中 N 是数组中的元素数量。主要为哈希表的开销。

private static int[] twoSumHash(int[] nums, int target) {
        //定义hash表存放要匹配的数组
        Map<Integer, Integer> hash = new HashMap<>(nums.length);
        for (int i = 0; i < nums.length; i++) {
            //该判断条件参考官方题解可优化使用containsKey()方法来判断
            if (hash.get(target - nums[i]) != null) {
                //判断hash table 中是否存在 target - nums[i] 的值 存在则直接返回两数下标
                return new int[]{hash.get(target - nums[i]), i};
            }
            //若不存在则将 当前数作为 key 下标作为 value 存入 hash table 中
            //重复存入相同 key 会覆盖原来的 value ，此处不需考虑重复存入问题
            hash.put(nums[i], i);
        }
        throw new RuntimeException("没有查找到正确答案！");
    }

最终通过测试用例执行用时：0 ms, 在所有 Java 提交中击败了100.00%的用户；内存消耗：38.7 MB, 在所有 Java 提交中击败了35.33%的用户，解题思路上被完爆了…