build

chapter_hashing/hash_collision.md

@@ -6,7 +6,7 @@ comments: true
 
 上节提到，**通常情况下哈希函数的输入空间远大于输出空间**，因此理论上哈希冲突是不可避免的。比如，输入空间为全体整数，输出空间为数组容量大小，则必然有多个整数映射至同一数组索引。
 
-哈希冲突会导致查询结果错误，严重影响哈希表的可用性。为解决该问题，我们可以每当遇到哈希冲突时就进行哈希表扩容，直至冲突消失为止。此方法简单粗暴且有效，但效率太低，因为哈希表扩容需要进行大量的数据搬运与哈希值计算。为了提升效率，我们可以采用以下思路。
+哈希冲突会导致查询结果错误，严重影响哈希表的可用性。为解决该问题，我们可以每当遇到哈希冲突时就进行哈希表扩容，直至冲突消失为止。此方法简单粗暴且有效，但效率太低，因为哈希表扩容需要进行大量的数据搬运与哈希值计算。为了提升效率，我们可以采用以下策略。
 
 1. 改良哈希表数据结构，**使得哈希表可以在存在哈希冲突时正常工作**。
 2. 仅在必要时，即当哈希冲突比较严重时，才执行扩容操作。
@@ -168,6 +168,16 @@ comments: true
         HashMapChaining() : size(0), capacity(4), loadThres(2.0 / 3), extendRatio(2) {
             buckets.resize(capacity);
         }
+        
+        /* 析构方法 */
+        ~HashMapChaining() {
+            for (auto &bucket : buckets) {
+                for (Pair *pair : bucket) {
+                    // 释放内存
+                    delete pair;
+                }
+            }
+        }
 
         /* 哈希函数 */
         int hashFunc(int key) {
@@ -1148,9 +1158,7 @@ comments: true
     }
     ```
 
-!!! tip
-
-    当链表很长时，查询效率 $O(n)$ 很差，**此时可以将链表转换为“AVL 树”或“红黑树”**，从而将查询操作的时间复杂度优化至 $O(\log n)$ 。
+值得注意的是，当链表很长时，查询效率 $O(n)$ 很差。**此时可以将链表转换为“AVL 树”或“红黑树”**，从而将查询操作的时间复杂度优化至 $O(\log n)$ 。
 
 ## 6.2.2   开放寻址
 

chapter_hashing/summary.md

@@ -4,6 +4,8 @@ comments: true
 
 # 6.4   小结
 
+### 1.   重点回顾
+
 - 输入 `key` ，哈希表能够在 $O(1)$ 时间内查询到 `value` ，效率非常高。
 - 常见的哈希表操作包括查询、添加键值对、删除键值对和遍历哈希表等。
 - 哈希函数将 `key` 映射为数组索引，从而访问对应桶并获取 `value` 。
@@ -18,7 +20,7 @@ comments: true
 - 常见的哈希算法包括 MD5、SHA-1、SHA-2 和 SHA3 等。MD5 常用于校验文件完整性，SHA-2 常用于安全应用与协议。
 - 编程语言通常会为数据类型提供内置哈希算法，用于计算哈希表中的桶索引。通常情况下，只有不可变对象是可哈希的。
 
-## 6.4.1   Q & A
+### 2.   Q & A
 
 !!! question "哈希表的时间复杂度为什么不是 $O(n)$ ？"