数据结构（6）哈希表和算法

一、哈希表

哈希表的基本概念

1. 哈希函数：

   • 哈希函数是将输入（键）转换为固定大小的输出（哈希值）的函数。这个输出通常是一个整数，表示在哈希表中的索引位置。
   • 理想的哈希函数应该能够均匀分布输入，以减少冲突的发生。

2. 冲突：

   • 当两个不同的键通过哈希函数计算得到相同的索引时，就会发生冲突。哈希表需要一种机制来处理这些冲突。
     • 开放地址法：在发生冲突时，寻找下一个空闲的位置来存储元素。
     • 链地址法：在每个索引位置维护一个链表，所有哈希到同一位置的元素都存储在这个链表中。

哈希表的操作

• 插入：使用哈希函数计算键的索引，将值存储在该索引位置。
• 查找：使用哈希函数计算键的索引，直接访问该索引位置以获取值。
• 删除：使用哈希函数计算键的索引，找到对应的值并将其删除

哈希表的优缺点

优点：

• 平均情况下，插入、查找和删除操作的时间复杂度为 𝑂(1)O(1)，非常高效。
• 可以快速访问数据，适合需要频繁查找的场景。

缺点：

• 在最坏情况下（例如，所有键都发生冲突），时间复杂度可能退化为 𝑂(𝑛)O(n)。
• 需要额外的内存来存储链表或处理冲突。
• 哈希函数的设计和负载因子的管理是实现哈希表的关键。

二、算法

算法是为解决特定问题而设计的一系列明确的、有限的步骤和规则。

1. 算法设计原则：

• 正确性：确保语法正确，合法输入有合理输出，非法输入有明确处理，能够通过各种测试（尤其是边界条件测试）。
• 可读性：算法设计应清晰易读，具备高内聚、低耦合的特性，便于维护与交流。
• 健壮性：应对非法数据，算法能处理异常而不会崩溃，可通过异常处理机制（如 try-catch 或 if-else）。
• 高效率：在时间复杂度上尽量优化，确保随着输入规模增长，运行时间不成倍增加。
• 低存储：空间复杂度要尽量优化，减少对内存的占用。

2. 时间复杂度的计算规则：

• 用常数 1 取代运行时间中的所有加法常数。
• 保留运行时间函数中的最高阶项。
• 去除最高阶项中的常数系数。

3. 常见时间复杂度类型：

• O(1): 常数时间，执行时间不受输入规模影响。
• O(log n): 对数时间，典型于二分查找等算法。
• O(n): 线性时间，执行时间随输入规模线性增长。
• O(n log n): 常见于归并排序和快速排序的平均时间复杂度。
• O(n^2): 二次时间，常见于双重嵌套循环。
• O(2^n): 指数时间，通常用于组合问题。
• O(n!): 阶乘时间，常见于全排列问题。

4. 时间复杂度增长顺序：

O(1) < O(log n) < O(n) < O(n log n) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

5. 空间复杂度：

• 与时间复杂度类似，空间复杂度衡量算法在内存中的占用情况，应尽量减少占用空间。

三、排序思想及时间复杂度

1. 冒泡排序（Bubble Sort）

排序思想： 冒泡排序通过多次比较相邻的元素，并交换位置，将最大（或最小）的元素“冒泡”到数组的一端。每一轮都会将剩余的最大（或最小）元素逐渐放到正确位置。不断重复这个过程，直到整个数组有序。

步骤：

1. 从数组的开头开始，比较相邻的两个元素。
2. 如果前一个元素比后一个元素大，就交换它们。
3. 完成一轮后，数组末端的元素是当前最大的。
4. 继续对剩下的元素重复上述过程，直到没有元素需要交换。

时间复杂度：

• 最好情况：O(n)O(n)O(n)（如果数组已经有序，只需要一次遍历）
• 平均情况：O(n2)O(n^2)O(n2)
• 最坏情况：O(n2)O(n^2)O(n2)

---

2. 选择排序（Selection Sort）

排序思想： 选择排序通过反复选择剩余元素中的最小（或最大）元素，将它放在排序的正确位置。每次选择后，将该元素与当前排序范围中的第一个未排序元素交换位置。

步骤：

1. 找到数组中最小的元素，和第一个元素交换位置。
2. 再从剩下的未排序部分中找到最小元素，和第二个元素交换位置。
3. 不断重复这个过程，直到整个数组有序。

时间复杂度：

• 最好情况：O(n2)O(n^2)O(n2)
• 平均情况：O(n2)O(n^2)O(n2)
• 最坏情况：O(n2)O(n^2)O(n2)

（选择排序的比较次数与输入无关，始终是 O(n2)O(n^2)O(n2)，即使数组已排序。）

---

3. 插入排序（Insertion Sort）

排序思想： 插入排序通过逐步构建有序序列，每次将未排序的元素插入到已排序部分的正确位置。适合数据量小或部分有序的场景。

步骤：

1. 从第二个元素开始，将它与前面的元素进行比较，找到合适的位置插入。
2. 每插入一个元素后，已排序部分的长度增加一。
3. 不断重复这个过程，直到所有元素都被插入正确位置。

时间复杂度：

• 最好情况：O(n)O(n)O(n)（如果数组已经有序，每次只需一次比较）
• 平均情况：O(n2)O(n^2)O(n2)
• 最坏情况：O(n2)O(n^2)O(n2)

（插入排序在数组基本有序时效率较高。）

---

4. 快速排序（Quick Sort）

排序思想： 快速排序通过分治法实现。它选择一个基准元素（通常是数组的第一个或最后一个元素），然后将数组划分为两个子数组：小于基准的元素放在左边，大于基准的放在右边。递归对左右子数组进行排序。

步骤：

1. 选择一个基准元素（pivot）。
2. 将数组划分为两部分：小于基准的在左边，大于基准的在右边。
3. 对左右子数组递归执行快速排序。
4. 最终，左右子数组有序时，整个数组也有序。

时间复杂度：

• 最好情况：O(nlog⁡n)O(n \log n)O(nlogn)（每次划分时基准能均匀地将数组分成两半）
• 平均情况：O(nlog⁡n)O(n \log n)O(nlogn)
• 最坏情况：O(n2)O(n^2)O(n2)（当基准总是最小或最大元素，导致划分极不均匀）

总结时间复杂度对比：

• 冒泡排序: 最好 O(n)O(n)O(n), 平均 O(n2)O(n^2)O(n2), 最坏 O(n2)O(n^2)O(n2)
• 选择排序: 最好、平均、最坏均为 O(n2)O(n^2)O(n2)
• 插入排序: 最好 O(n)O(n)O(n), 平均 O(n2)O(n^2)O(n2), 最坏 O(n2)O(n^2)O(n2)
• 快速排序: 最好 O(nlog⁡n)O(n \log n)O(nlogn), 平均 O(nlog⁡n)O(n \log n)O(nlogn), 最坏 O(n2)O(n^2)O(n2)

四、查找方法的思想及时间复杂度

1. 顺序查找（线性查找）

查找思想： 顺序查找是最简单的查找方法，逐个检查数组中的每个元素，直到找到目标元素或检查完整个数组。适用于无序数组。

步骤：

1. 从数组的第一个元素开始，依次比较每个元素与目标元素是否相等。
2. 如果找到相等的元素，返回该元素的下标；如果遍历到最后也没找到，返回失败或空值。

时间复杂度：

• 最好情况：O(1)O(1)O(1)（目标元素在数组的第一个位置）
• 平均情况：O(n)O(n)O(n)（需要检查一半的元素）
• 最坏情况：O(n)O(n)O(n)（目标元素在最后或不存在）

---

2. 二分查找（Binary Search）

查找思想： 二分查找只适用于有序数组。它通过每次将查找范围减半来寻找目标元素。该算法基于“分而治之”的思想，将查找问题递归地缩小至更小的子问题。

步骤：

1. 先将数组中间元素与目标元素比较。
2. 如果相等，查找成功；如果目标元素小于中间元素，则在左半部分继续查找；如果目标元素大于中间元素，则在右半部分查找。
3. 重复上述过程，直到找到目标元素或查找范围为空。

时间复杂度：

• 最好情况：O(1)O(1)O(1)（目标元素正好位于中间位置）
• 平均情况：O(log⁡n)O(\log n)O(logn)
• 最坏情况：O(log⁡n)O(\log n)O(logn)

（二分查找的高效性来源于每次都将问题规模缩小一半，因此具有对数时间复杂度。）

---

3. 哈希查找（Hash Search）

查找思想： 哈希查找通过使用哈希函数将关键字直接映射到数组的一个位置。理想情况下，哈希查找的时间复杂度为常数时间。哈希查找需要使用哈希表结构，并通过哈希函数进行查找和插入。哈希查找能非常快速地找到元素，但前提是哈希函数设计得当，冲突较少。

步骤：

1. 使用哈希函数计算出目标元素的哈希值。
2. 在哈希表中查看该哈希值对应的位置是否存有目标元素。
3. 如果有冲突（多个元素映射到同一位置），根据冲突解决方法继续查找（如链地址法、开放地址法等）。

时间复杂度：

• 最好情况：O(1)O(1)O(1)（没有冲突的情况下）
• 平均情况：O(1)O(1)O(1)
• 最坏情况：O(n)O(n)O(n)（当发生大量哈希冲突时，查找退化为线性查找）

查找方法总结与时间复杂度对比：

• 顺序查找: 最好 O(1)O(1)O(1), 平均 O(n)O(n)O(n), 最坏 O(n)O(n)O(n)
• 二分查找: 最好 O(1)O(1)O(1), 平均 O(log⁡n)O(\log n)O(logn), 最坏 O(log⁡n)O(\log n)O(logn)
• 哈希查找: 最好 O(1)O(1)O(1), 平均 O(1)O(1)O(1), 最坏 O(n)O(n)O(n)