原地哈希算法：寻找缺失最小正整数的O(1)空间解法

1. 问题背景与核心挑战

今天想和大家聊聊一个看似简单却暗藏玄机的算法问题——如何在整数数组中找出缺失的最小正整数。这个问题在技术面试中出现的频率相当高，比如经典的LeetCode第41题"First Missing Positive"就要求我们用O(n)时间复杂度和常数空间复杂度来解决。

我第一次遇到这个问题时，直觉反应是用哈希表记录出现过的数字，然后从1开始逐个检查。但面试官紧接着就问："如果要求空间复杂度是O(1)呢？" 这才意识到问题的精妙之处。经过反复思考和尝试，最终掌握了一种优雅的解决方案——原地哈希（In-place Hashing）。

2. 算法思路解析

2.1 问题重述与边界条件

给定一个未排序的整数数组，找出其中缺失的最小正整数。例如：

• 输入[3,4,-1,1]，输出2
• 输入[7,8,9,11,12]，输出1
• 输入[1,2,0]，输出3

需要注意几个关键边界：

1. 数组可能包含负数和零
2. 数组可能包含重复元素
3. 缺失的正整数可能比数组长度大

2.2 核心观察与数学原理

关键观察点在于：对于一个长度为n的数组，缺失的最小正整数只可能在1到n+1之间。这是因为：

• 如果数组包含1到n的所有数字，那么缺失的是n+1
• 否则缺失的数字一定在1到n之间

这个观察让我们可以将问题规模缩小到数组长度范围内。

2.3 原地哈希的核心思想

常规哈希表解法需要O(n)额外空间。要实现O(1)空间，我们需要利用数组本身作为哈希表：

1. 遍历数组，将数字x放到索引x-1的位置
2. 再次遍历数组，第一个不满足nums[i] == i+1的位置就是缺失的数字

这个过程相当于"就地"建立了数字与其索引的映射关系。

3. 详细实现步骤

3.1 算法步骤拆解

让我们用[3,4,-1,1]这个例子一步步说明：

初始状态：[3,4,-1,1]

第一轮遍历：

• i=0: nums[0]=3，应该放到索引2。交换nums[0]和nums[2] → [-1,4,3,1]
• i=0: nums[0]=-1，跳过（不在1到n范围内）
• i=1: nums[1]=4，应该放到索引3。交换nums[1]和nums[3] → [-1,1,3,4]
• i=1: nums[1]=1，