Number the H1 and H2 headings.

docs/chapter_hashing/hash_collision.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 哈希冲突
+# 6.2. 哈希冲突
 
 理想情况下，哈希函数应该为每个输入产生唯一的输出，使得 key 和 value 一一对应。而实际上，往往存在向哈希函数输入不同的 key 而产生相同输出的情况，这种情况被称为「哈希冲突 Hash Collision」。哈希冲突会导致查询结果错误，从而严重影响哈希表的可用性。
 
@@ -12,7 +12,7 @@ comments: true
 
 另一方面，**考虑通过优化数据结构以缓解哈希冲突**，常见的方法有「链式地址」和「开放寻址」。
 
-## 哈希表扩容
+## 6.2.1. 哈希表扩容
 
 「负载因子 Load Factor」定义为 **哈希表中元素数量除以桶槽数量（即数组大小）**，代表哈希冲突的严重程度。
 
@@ -20,7 +20,7 @@ comments: true
 
 与数组扩容类似，**哈希表扩容操作的开销很大**，因为需要将所有键值对从原哈希表依次移动至新哈希表。
 
-## 链式地址
+## 6.2.2. 链式地址
 
 在原始哈希表中，桶内的每个地址只能存储一个元素（即键值对）。**考虑将单个元素转化成一个链表，将所有冲突元素都存储在一个链表中**。
 
@@ -39,7 +39,7 @@ comments: true
 
 为了缓解时间效率问题，**可以把「链表」转化为「AVL 树」或「红黑树」**，将查询操作的时间复杂度优化至 $O(\log n)$ 。
 
-## 开放寻址
+## 6.2.3. 开放寻址
 
 「开放寻址」不引入额外数据结构，而是通过“多次探测”来解决哈希冲突。根据探测方法的不同，主要分为 **线性探测、平方探测、多次哈希**。
 

docs/chapter_hashing/hash_map.md

@@ -2,7 +2,7 @@
 comments: true
 ---
 
-# 哈希表
+# 6.1. 哈希表
 
 哈希表通过建立「键 key」和「值 value」之间的映射，实现高效的元素查找。具体地，输入一个 key ，在哈希表中查询并获取 value ，时间复杂度为 $O(1)$ 。
 
@@ -12,7 +12,7 @@ comments: true
 
 <p align="center"> Fig. 哈希表抽象表示 </p>
 
-## 哈希表效率
+## 6.1.1. 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：
 
@@ -33,7 +33,7 @@ comments: true
 
 </div>
 
-## 哈希表常用操作
+## 6.1.2. 哈希表常用操作
 
 哈希表的基本操作包括 **初始化、查询操作、添加与删除键值对**。
 
@@ -380,7 +380,7 @@ comments: true
     }
     ```
 
-## 哈希函数
+## 6.1.3. 哈希函数
 
 哈希表中存储元素的数据结构被称为「桶 Bucket」，底层实现可能是数组、链表、二叉树（红黑树），或是它们的组合。
 
@@ -851,7 +851,7 @@ $$
     }
     ```
 
-## 哈希冲突
+## 6.1.4. 哈希冲突
 
 细心的同学可能会发现，**哈希函数 $f(x) = x \% 100$ 会在某些情况下失效**。具体地，当输入的 key 后两位相同时，哈希函数的计算结果也相同，指向同一个 value 。例如，分别查询两个学号 $12836$ 和 $20336$ ，则有
 

docs/chapter_hashing/summary.md

@@ -2,4 +2,4 @@
 comments: true
 ---
 
-# 小结
+# 6.3. 小结