哈希表在算法中的应用：两数之和与重复元素检测

1. 算法入门：两数之和与存在重复元素问题解析

刚接触算法的新手往往会被看似简单的问题难住，今天我们就来拆解两个经典的LeetCode入门题——"两数之和"和"存在重复元素"。这两个问题看似基础，却包含了算法设计中最重要的思想：如何用合适的数据结构降低时间复杂度。我在面试候选人时发现，能清晰解释这两种解法差异的开发者，往往对算法有更深刻的理解。

2. 两数之和问题深度解析

2.1 问题描述与暴力解法

给定一个整数数组nums和一个目标值target，要求在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。例如：

code复制输入：nums = [2,7,11,15], target = 9
输出：[0,1]

最直观的解法是双重循环暴力搜索：

python复制def twoSum(nums, target):
    for i in range(len(nums)):
        for j in range(i+1, len(nums)):
            if nums[i] + nums[j] == target:
                return [i, j]
    return []

这种解法时间复杂度O(n²)，空间复杂度O(1)。当数组长度超过10⁴时，这种解法在LeetCode上会超时。

注意：面试时即使先提出暴力解法也要明确说明其效率问题，这展示了你对复杂度的敏感度

2.2 哈希表优化解法

利用哈希表（Python中的字典）可以将时间复杂度降到O(n)：

python复制def twoSum(nums, target):
    hashmap = {}
    for i, num in enumerate(nums):
        complement = target - num
        if complement in hashmap:
            return [hashmap[complement], i]
        hashmap[num] = i
    return []

这个解法的精妙之处在于：

1. 只遍历一次数组，边遍历边构建哈希表
2. 存储的是"值->索引"的映射
3. 每次先检查当