build

chapter_hashing/hash_collision.md

@@ -26,6 +26,8 @@ comments: true
 
 ![链式地址](hash_collision.assets/hash_collision_chaining.png)
 
+<p align="center"> Fig. 链式地址 </p>
+
 链式地址下，哈希表操作方法为：
 
 - **查询元素**：先将 key 输入到哈希函数得到桶内索引，即可访问链表头结点，再通过遍历链表查找对应 value 。
@@ -56,6 +58,8 @@ comments: true
 
 ![线性探测](hash_collision.assets/hash_collision_linear_probing.png)
 
+<p align="center"> Fig. 线性探测 </p>
+
 线性探测存在以下缺陷：
 
 - **不能直接删除元素**。删除元素会导致桶内出现一个空位，在查找其他元素时，该空位有可能导致程序认为元素不存在（即上述第 `2.` 种情况）。因此需要借助一个标志位来标记删除元素。

chapter_hashing/hash_map.md

@@ -10,6 +10,8 @@ comments: true
 
 ![哈希表的抽象表示](hash_map.assets/hash_map.png)
 
+<p align="center"> Fig. 哈希表的抽象表示 </p>
+
 ## 6.1.1. &nbsp; 哈希表效率
 
 除了哈希表之外，还可以使用以下数据结构来实现上述查询功能：
@@ -408,6 +410,8 @@ $$
 
 ![简单哈希函数示例](hash_map.assets/hash_function.png)
 
+<p align="center"> Fig. 简单哈希函数示例 </p>
+
 === "Java"
 
     ```java title="array_hash_map.java"
@@ -1273,6 +1277,8 @@ $$
 
 ![哈希冲突示例](hash_map.assets/hash_collision.png)
 
+<p align="center"> Fig. 哈希冲突示例 </p>
+
 综上所述，一个优秀的「哈希函数」应该具备以下特性：
 
 - 尽量少地发生哈希冲突；