哈希算法实战：LeetCode高频题型解析与优化

1. 哈希算法基础与LeetCode实战解析

哈希表作为数据结构中的瑞士军刀，在算法面试中出场率高达70%以上。我在刷完LeetCode全部哈希相关题目后发现，真正需要死记硬背的解法很少，关键是要掌握"空间换时间"的核心思想。下面通过Hot100经典题型，带你拆解哈希的实战应用技巧。

提示：本文代码示例以Java为主，但思路适用于所有语言，文末会提供Python对照版本

1.1 哈希表本质解析

哈希表（Hash Table）本质是键值对存储结构，其高效性来自哈希函数的精心设计。理想状态下：

• 插入/删除时间复杂度：O(1)
• 查找时间复杂度：O(1)

实际工程中需要考虑：

1. 哈希冲突处理（开放寻址法/链地址法）
2. 负载因子控制（Java HashMap默认0.75）
3. 动态扩容机制（容量翻倍+rehash）

java复制// 典型HashMap初始化参数
Map<String, Integer> map = new HashMap<>(16, 0.75f);

2. 两数之和的深度优化

2.1 暴力法到哈希的进化

原始暴力解法O(n²)的缺陷很明显：

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

哈希解法之所以能降为O(n)，核心在于：

• 用Map存储已遍历元素（值→索引）
• 每次检查target - current是否存在于Map

2.2 边界条件处理实战

java复制class Solution {
    public int[] twoSum(int[] nums, int target) {
        Map<Integer, Integer> map = new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            int complement = target - nums[i];
            if (map.containsKey(complement)) {
                return new int[]{map.get(complement), i};
            }
            map.put(nums[i], i); // 先判断后插入避免自匹配
        }
        throw new IllegalArgumentException("No solution");
    }
}

避坑指南：元素重复时，必须先检查再放入Map。例如target=6，nums=[3,3]，如果先put后检查会得到[0,0]的错误结果

3. 字母异位词分组的多解法