这个问题可能看起来有点迂腐，但我一直在努力深入研究摊销分析，并且为了为什么哈希表的插入是O（1）摊销而有点困惑。（注意：我不是在谈论表加倍，我明白了）
使用此定义，“摊销分析给出了最坏情况下每项操作的平均性能（随着时间的推移）。”似乎N插入哈希表的最坏情况会导致每个操作发生冲突。我相信当负载平衡保持较低时，通用散列可以保证以1 / m的速率发生冲突，但理论上是不是每次插入都可能发生碰撞？
从技术上讲，哈希表插入的 平均摊销分析似乎是O（1）。
编辑：您可以假设散列表使用基本链接，其中元素放置在相应链接列表的末尾。我问题的真正含义是对概率算法的摊销分析。
编辑2： 我在quicksort上发现this帖子， “在摊销的运行时间和预期的运行时间之间存在微妙但重要的差异。具有随机枢轴的Quicksort需要O（n log n）预期运行时间，但其最坏情况运行时间为Θ（n ^ 2）。这意味着因为快速排序费用很小（n ^ 2）美元的可能性很小，但随着n变大，这种情况发生的可能性会接近零。“我想这可能回答了我的问题。
答案 0 :(得分：0)
理论上你可以在每次插入时获得冲突，但这意味着你的表现不佳的散列函数无法在键的“桶”之间分隔出值。一个理论上完美的散列函数总是会将一个新值放入一个新的桶中，这样每个键都会引用它自己的桶。 （我假设一个链式哈希表，并将链字段称为“桶”，就像我被教导的那样）。理论上最坏情况的函数会将所有键都粘贴到同一个桶中，从而导致长度为N的桶中的链。
摊销背后的想法是，如果给出一个相当好的散列函数，你应该最终得到插入的线性时间，因为插入的次数＆gt; O（1）与插入简单的次数和O（1）相比会大大相形见绌。这并不是说插入没有任何计算（哈希函数仍然需要计算，在某些特殊情况下，哈希函数可能比只查看列表更重要）。
在一天结束时，这带来了一个关于big-O的重要概念，即在计算时间复杂度时，您需要查看最常执行的操作。在这种情况下，插入的值不会与另一个哈希冲突。