HASH算法

从课本上面知道，HASH算法的好坏关键在于散列的是否均匀，假设1000个数据，100个key，平均每个key对应数据位10个，如果每个key都对应10个，这就是很好的散列算法。然而，如果我们不知道数据的分布情况，随机设计一种散列算法，每个key都可能对应0~1000个数据，但是整体来说符合泊松分布，越是偏离最优的情况，其概率越低。比如这样一种散列：一个key对应1000个数据，其它key都对应0个数据，这样的概率应该是1000的99次方分之一。而每个key都均匀对应10个的概率最高，大概是多少呢，精确的值可以用数学慢慢算，近似值可以用泊松公式得到。但是总的来说，随机设计的散列函数还是比较均匀的。

不过，均匀就好吗？

有些数据可能访问频繁，而有些数据可能很少访问。为了整体上加快查询速度，需要把最频繁查询的数据放在key列的前面（针对的是散列后的顺序查询），或者是把放在最较小的链中（也可以用于二分查询）。这些就要运用到统计了。

PS：线性规划的单纯形法，最坏的时间复杂度为指数级别，但是单纯形法却用的非常广泛。因为它最坏的情况很差，并不代表大多数情况很差，事实上最坏的情况极少出现。算法的教学也可以改进一下思路，多多考虑一下统计的方法。