build

chapter_searching/hashing_search.md

@@ -4,15 +4,13 @@ comments: true
 
 # 10.3.   哈希查找
 
-!!! question
+「哈希查找 Hash Searching」通过使用哈希表来存储所需的键值对，从而可在 $O(1)$ 时间内完成“键 $\rightarrow$ 值”的查找操作。
 
-    在数据量很大时，「线性查找」太慢；而「二分查找」要求数据必须是有序的，并且只能在数组中应用。那么是否有方法可以同时避免上述缺点呢？答案是肯定的，此方法被称为「哈希查找」。
-
-「哈希查找 Hash Searching」借助一个哈希表来存储需要的「键值对 Key Value Pair」，我们可以在 $O(1)$ 时间下实现“键 $\rightarrow$ 值”映射查找，体现着“以空间换时间”的算法思想。
+与线性查找相比，哈希查找通过利用额外空间来提高效率，体现了“以空间换时间”的算法思想。
 
 ## 10.3.1.   算法实现
 
-如果我们想要给定数组中的一个目标元素 `target` ，获取该元素的索引，那么可以借助一个哈希表实现查找。
+例如，若我们想要在给定数组中找到目标元素 `target` 的索引，则可以使用哈希查找来实现。
 
 ![哈希查找数组索引](hashing_search.assets/hash_search_index.png)
 
@@ -130,7 +128,7 @@ comments: true
     }
     ```
 
-再比如，如果我们想要给定一个目标节点值 `target` ，获取对应的链表节点对象，那么也可以使用哈希查找实现。
+同样，若要根据目标节点值 target 查找对应的链表节点对象，也可以采用哈希查找方法。
 
 ![哈希查找链表节点](hashing_search.assets/hash_search_listnode.png)
 
@@ -250,15 +248,15 @@ comments: true
 
 **时间复杂度 $O(1)$** ：哈希表的查找操作使用 $O(1)$ 时间。
 
-**空间复杂度 $O(n)$** ：其中 $n$ 为数组或链表长度。
+**空间复杂度 $O(n)$** ：其中 $n$ 是数组或链表的长度。
 
-## 10.3.3.   优点与缺点
+## 10.3.3.   优点与局限性
 
-在哈希表中，**查找、插入、删除操作的平均时间复杂度都为 $O(1)$** ，这意味着无论是高频增删还是高频查找场景，哈希查找的性能表现都非常好。当然，一切的前提是保证哈希表未退化。
+哈希查找的性能表现相当优秀，查找、插入、删除操作的平均时间复杂度均为 $O(1)$ 。尽管如此，哈希查找仍然存在一些问题：
 
-即使如此，哈希查找仍存在一些问题，在实际应用中，需要根据情况灵活选择方法。
+- 辅助哈希表需要占用 $O(n)$ 的额外空间，意味着需要预留更多的计算机内存；
+- 构建和维护哈希表需要时间，因此哈希查找不适用于高频增删、低频查找的场景；
+- 当哈希冲突严重时，哈希表可能退化为链表，导致时间复杂度劣化至 $O(n)$ ；
+- 当数据量较小时，线性查找可能比哈希查找更快。这是因为计算哈希函数可能比遍历一个小型数组更慢；
 
-- 辅助哈希表 **需要使用 $O(n)$ 的额外空间**，意味着需要预留更多的计算机内存；
-- 建立和维护哈希表需要时间，因此哈希查找 **不适合高频增删、低频查找的使用场景**；
-- 当哈希冲突严重时，哈希表会退化为链表，**时间复杂度劣化至 $O(n)$** ；
-- **当数据量很小时，线性查找比哈希查找更快**。这是因为计算哈希映射函数可能比遍历一个小型数组更慢；
+因此，在实际应用中，我们需要根据具体情况灵活选择解决方案。