【圖解演算法教學】
還在用古老的二元搜尋法？是時候跟上「Hash Search」 的車尾燈了！
封面圖：https://imgur.com/8GfYiTO
架構圖：https://imgur.com/SbC5IKY
在我們還沒學資料結構前，通常都用Linear Search找東西。
之後，我們學了二元樹，開始利用二元搜尋法，大幅提升搜尋效能。
然而，在演算法的世界中：
還有比Binary Search還快的東西，即是這次要介紹的「Hash Search」！
影片連結：https://bit.ly/2Uv2sBf
考量有人習慣文章閱讀，這邊也直接幫大家整理出重要內容：
Linear Search : BigO(n)
Binary Search : BigO(n) ~ BigO(log(n))
Hash Search : BigO(n) ~ BigO(1)
可以看到，在最佳狀況下，Hash Search的效率是最快的，一步到位。
而之所以可以做到這樣的效能，是因為Hash Seach是by Index的搜尋方式。
比如說將 29 這個數字 經過hash之後：
9 = hash(29)
就能拿到 index 9 ，我們只要去查 array[9] == 29 是否正確，就能拿到結果。
當然，現實上沒這麼理想，會遇到「碰撞」，也就是不同來源數字hash到同一個index
這部分將在後續實作中介紹，這次主要是幫大家抓到使用「Hash Search」的誘因。
最後補充，Binary Search由於會先將資料排序，所以更適合用在「範圍搜尋」。
以上內容為影片重點萃取，有需要可以進一步參考影片完整介紹，
希望能多少幫到初學與需要複習的人！

binary search應該可以保證最壞log(n)?

推個先，hash感覺像是用index找array的感覺。

他的二元樹是線性時間應該是指二元樹退化成鏈表的情況吧，畢竟他也沒說是平衡二元樹

很多語言都有內建這個，常見的就是dictionary或是c++的unordered_map

請問怎麼實作universal hash

Binary search先排序，但排序過程最快nlogn，會優於linear嗎?除非之後還要找其他值才會快一些吧?

我覺得也可以提供「加入」的時間複雜度

樓樓上 這邊純講搜尋吧

無聊