hello-algo/chapter_searching/replace_linear_by_hashing.md

comments
true

12.2.   哈希优化策略

在算法题中，我们时常通过将线性查找替换为哈希查找来降低算法的时间复杂度。以 LeetCode 全站第一题 两数之和 为例。

!!! question "两数之和"

给定一个整数数组 `nums` 和一个整数目标值 `target` ，请你在该数组中找出“和”为目标值 `target` 的那两个整数，并返回它们的数组下标。

你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。

你可以按任意顺序返回答案。

12.2.1.   线性查找：以时间换空间

考虑直接遍历所有可能的组合。开启一个两层循环，在每轮中判断两个整数的和是否为 target ，若是，则返回它们的索引。

（图）

=== "Java"

```java title="leetcode_two_sum.java"
/* 方法一：暴力枚举 */
int[] twoSumBruteForce(int[] nums, int target) {
    int size = nums.length;
    // 两层循环，时间复杂度 O(n^2)
    for (int i = 0; i < size - 1; i++) {
        for (int j = i + 1; j < size; j++) {
            if (nums[i] + nums[j] == target)
                return new int[] { i, j };
        }
    }
    return new int[0];
}
```

=== "C++"

```cpp title="leetcode_two_sum.cpp"
/* 方法一：暴力枚举 */
vector<int> twoSumBruteForce(vector<int> &nums, int target) {
    int size = nums.size();
    // 两层循环，时间复杂度 O(n^2)
    for (int i = 0; i < size - 1; i++) {
        for (int j = i + 1; j < size; j++) {
            if (nums[i] + nums[j] == target)
                return {i, j};
        }
    }
    return {};
}
```

=== "Python"

```python title="leetcode_two_sum.py"
def two_sum_brute_force(nums: list[int], target: int) -> list[int]:
    """方法一：暴力枚举"""
    # 两层循环，时间复杂度 O(n^2)
    for i in range(len(nums) - 1):
        for j in range(i + 1, len(nums)):
            if nums[i] + nums[j] == target:
                return [i, j]
    return []
```

=== "Go"

```go title="leetcode_two_sum.go"
/* 方法一：暴力枚举 */
func twoSumBruteForce(nums []int, target int) []int {
    size := len(nums)
    // 两层循环，时间复杂度 O(n^2)
    for i := 0; i < size-1; i++ {
        for j := i + 1; i < size; j++ {
            if nums[i]+nums[j] == target {
                return []int{i, j}
            }
        }
    }
    return nil
}
```

=== "JavaScript"

```javascript title="leetcode_two_sum.js"
/* 方法一：暴力枚举 */
function twoSumBruteForce(nums, target) {
    const n = nums.length;
    // 两层循环，时间复杂度 O(n^2)
    for (let i = 0; i < n; i++) {
        for (let j = i + 1; j < n; j++) {
            if (nums[i] + nums[j] === target) {
                return [i, j];
            }
        }
    }
    return [];
}
```

=== "TypeScript"

```typescript title="leetcode_two_sum.ts"
/* 方法一：暴力枚举 */
function twoSumBruteForce(nums: number[], target: number): number[] {
    const n = nums.length;
    // 两层循环，时间复杂度 O(n^2)
    for (let i = 0; i < n; i++) {
        for (let j = i + 1; j < n; j++) {
            if (nums[i] + nums[j] === target) {
                return [i, j];
            }
        }
    }
    return [];
};
```

=== "C"

```c title="leetcode_two_sum.c"
[class]{}-[func]{twoSumBruteForce}
```

=== "C#"

```csharp title="leetcode_two_sum.cs"
/* 方法一：暴力枚举 */
int[] twoSumBruteForce(int[] nums, int target)
{
    int size = nums.Length;
    // 两层循环，时间复杂度 O(n^2)
    for (int i = 0; i < size - 1; i++)
    {
        for (int j = i + 1; j < size; j++)
        {
            if (nums[i] + nums[j] == target)
                return new int[] { i, j };
        }
    }
    return new int[0];
}
```

=== "Swift"

```swift title="leetcode_two_sum.swift"
/* 方法一：暴力枚举 */
func twoSumBruteForce(nums: [Int], target: Int) -> [Int] {
    // 两层循环，时间复杂度 O(n^2)
    for i in nums.indices.dropLast() {
        for j in nums.indices.dropFirst(i + 1) {
            if nums[i] + nums[j] == target {
                return [i, j]
            }
        }
    }
    return [0]
}
```

=== "Zig"

```zig title="leetcode_two_sum.zig"
// 方法一：暴力枚举
fn twoSumBruteForce(nums: []i32, target: i32) ?[2]i32 {
    var size: usize = nums.len;
    var i: usize = 0;
    // 两层循环，时间复杂度 O(n^2)
    while (i < size - 1) : (i += 1) {
        var j = i + 1;
        while (j < size) : (j += 1) {
            if (nums[i] + nums[j] == target) {
                return [_]i32{@intCast(i32, i), @intCast(i32, j)};
            }
        }
    }
    return null;
}
```

此方法的时间复杂度为 O(n^2) ，空间复杂度为 O(1) ，在大数据量下非常耗时。

12.2.2.   哈希查找：以空间换时间

考虑借助一个哈希表，将数组元素和元素索引构建为键值对。循环遍历数组中的每个元素 num 并执行：

1. 判断数字 target - num 是否在哈希表中，若是则直接返回该两个元素的索引；
2. 将元素 num 和其索引添加进哈希表；

（图）

=== "Java"

```java title="leetcode_two_sum.java"
/* 方法二：辅助哈希表 */
int[] twoSumHashTable(int[] nums, int target) {
    int size = nums.length;
    // 辅助哈希表，空间复杂度 O(n)
    Map<Integer, Integer> dic = new HashMap<>();
    // 单层循环，时间复杂度 O(n)
    for (int i = 0; i < size; i++) {
        if (dic.containsKey(target - nums[i])) {
            return new int[] { dic.get(target - nums[i]), i };
        }
        dic.put(nums[i], i);
    }
    return new int[0];
}
```

=== "C++"

```cpp title="leetcode_two_sum.cpp"
/* 方法二：辅助哈希表 */
vector<int> twoSumHashTable(vector<int> &nums, int target) {
    int size = nums.size();
    // 辅助哈希表，空间复杂度 O(n)
    unordered_map<int, int> dic;
    // 单层循环，时间复杂度 O(n)
    for (int i = 0; i < size; i++) {
        if (dic.find(target - nums[i]) != dic.end()) {
            return {dic[target - nums[i]], i};
        }
        dic.emplace(nums[i], i);
    }
    return {};
}
```

=== "Python"

```python title="leetcode_two_sum.py"
def two_sum_hash_table(nums: list[int], target: int) -> list[int]:
    """方法二：辅助哈希表"""
    # 辅助哈希表，空间复杂度 O(n)
    dic = {}
    # 单层循环，时间复杂度 O(n)
    for i in range(len(nums)):
        if target - nums[i] in dic:
            return [dic[target - nums[i]], i]
        dic[nums[i]] = i
    return []
```

=== "Go"

```go title="leetcode_two_sum.go"
/* 方法二：辅助哈希表 */
func twoSumHashTable(nums []int, target int) []int {
    // 辅助哈希表，空间复杂度 O(n)
    hashTable := map[int]int{}
    // 单层循环，时间复杂度 O(n)
    for idx, val := range nums {
        if preIdx, ok := hashTable[target-val]; ok {
            return []int{preIdx, idx}
        }
        hashTable[val] = idx
    }
    return nil
}
```

=== "JavaScript"

```javascript title="leetcode_two_sum.js"
/* 方法二：辅助哈希表 */
function twoSumHashTable(nums, target) {
    // 辅助哈希表，空间复杂度 O(n)
    let m = {};
    // 单层循环，时间复杂度 O(n)
    for (let i = 0; i < nums.length; i++) {
        if (m[nums[i]] !== undefined) {
            return [m[nums[i]], i];
        } else {
            m[target - nums[i]] = i;
        }
    }
    return [];
}
```

=== "TypeScript"

```typescript title="leetcode_two_sum.ts"
/* 方法二：辅助哈希表 */
function twoSumHashTable(nums: number[], target: number): number[] {
    // 辅助哈希表，空间复杂度 O(n)
    let m: Map<number, number> = new Map();
    // 单层循环，时间复杂度 O(n)
    for (let i = 0; i < nums.length; i++) {
        let index = m.get(nums[i]);
        if (index !== undefined) {
            return [index, i];
        } else {
            m.set(target - nums[i], i);
        }
    }
    return [];
};
```

=== "C"

```c title="leetcode_two_sum.c"
[class]{}-[func]{twoSumHashTable}
```

=== "C#"

```csharp title="leetcode_two_sum.cs"
/* 方法二：辅助哈希表 */
int[] twoSumHashTable(int[] nums, int target)
{
    int size = nums.Length;
    // 辅助哈希表，空间复杂度 O(n)
    Dictionary<int, int> dic = new();
    // 单层循环，时间复杂度 O(n)
    for (int i = 0; i < size; i++)
    {
        if (dic.ContainsKey(target - nums[i]))
        {
            return new int[] { dic[target - nums[i]], i };
        }
        dic.Add(nums[i], i);
    }
    return new int[0];
}
```

=== "Swift"

```swift title="leetcode_two_sum.swift"
/* 方法二：辅助哈希表 */
func twoSumHashTable(nums: [Int], target: Int) -> [Int] {
    // 辅助哈希表，空间复杂度 O(n)
    var dic: [Int: Int] = [:]
    // 单层循环，时间复杂度 O(n)
    for i in nums.indices {
        if let j = dic[target - nums[i]] {
            return [j, i]
        }
        dic[nums[i]] = i
    }
    return [0]
}
```

=== "Zig"

```zig title="leetcode_two_sum.zig"
// 方法二：辅助哈希表
fn twoSumHashTable(nums: []i32, target: i32) !?[2]i32 {
    var size: usize = nums.len;
    // 辅助哈希表，空间复杂度 O(n)
    var dic = std.AutoHashMap(i32, i32).init(std.heap.page_allocator);
    defer dic.deinit();
    var i: usize = 0;
    // 单层循环，时间复杂度 O(n)
    while (i < size) : (i += 1) {
        if (dic.contains(target - nums[i])) {
            return [_]i32{dic.get(target - nums[i]).?, @intCast(i32, i)};
        }
        try dic.put(nums[i], @intCast(i32, i));
    }
    return null;
}
```

此方法通过哈希查找将时间复杂度从 O(n^2) 降低至 O(n) ，大幅提升运行效率。

由于需要维护一个额外的哈希表，因此空间复杂度为 O(n) 。尽管如此，该方法的整体时空效率更为均衡，因此它是本题的最优解法。