算法导论 11.3 散列函数 习题解答

11.3 散列函数

11.3-1 假设我们希望查找一个长度为n的链表，其中每一个元素都包含一个关键字k并具有散列值h(k)。每一个关键字都是长字符串。那么在表中查找具有给定关键字的元素时，如何利用各元素的散列值呢？

搜索过程：

在搜索具有特定长字符字符串的元素时：

计算给定长字符字符串的哈希值。

从与该哈希值相关联的链表的开头开始。

对于链表中的每个元素：

检查当前元素的哈希值是否与从搜索关键字计算得到的哈希值匹配。

如果哈希值匹配，则执行长字符字符串的详细比较以确认匹配。

如果哈希值不匹配，则移动到链表中的下一个元素。

运行时间的影响：

在搜索过程中使用哈希值有助于通过哈希值快速识别潜在匹配项，从而缩小搜索空间。

然而，长字符字符串的详细比较仍然是必要的，而这一步骤可能需要更长的时间，特别是如果长字符字符串很大。

对运行时间的影响与长字符字符串的长度成正比，因为详细的字符串比较涉及检查存储和搜索字符串中的每个字符。

11.3-2 假设将一个长度为r的字符串散列到m个槽中，并将其视为一个以128为基数的数，要求应用除法散列法。我们可以很容易地把数m表示为一个32位的机器字，但对长度为r的字符串，由于它被当作以128为基数的数来处理，就要占用若干个机器字。假设应用除法散列法来计算一个字符串的散列值，那么如何才能在除了该串本身占用的空间外，只利用常数个机器字？

选择一个适当的 m（槽的数量）：这通常是一个质数，以减少冲突的可能性。

初始化哈希值为 0：开始时，哈希值为 0。

迭代每个字符：对于字符串中的每个字符，更新哈希值。

hash=(hash * 128 + ascii_value_of_current_char) mod m

这里 ascii_value_of_current_char 是当前字符的 ASCII 值。

11.3-3 考虑除法散列法的另一种版本，其中h(k) = k mod m，m = 2^p - 1，k为按基数2^p表示的字符串。试证明：如果串x可由串y通过其自身的字符置换排列导出，则x和y具有相同的散列值。给出一个应用的例子，其中这一特性在散列函数中是不希望出现的。

归纳假设：要证明每个字符串哈希到其数字和对2p - 1取模的结果。使用归纳法，假设对于长度小于当前字符串长度的所有字符串都成立。

基本情况：假设字符串只有一个字符。那么这个字符的哈希值就是它的数字值对2p - 1取模。也就是说，h(单字符) = 字符值 mod (2p - 1)

归纳步骤：假设对于长度为 |w1w2| 的字符串 w，其中 |w1| >= 1 且 |w2| = 1，成立： h(w) = (h(w1) * 2^p + h(w2)) mod (2p - 1)  其中 h(w1) = k1。

归纳结论：考虑字符串 w = w1w2。由归纳假设，我们知道 h(w1) = k1，表示 w1 的哈希是其数字和对 2p - 1 取模的结果。现在，我们想计算 w 的哈希值。根据归纳步骤，我们有：

h(w) = (h(w1) * 2^p + h(w2)) mod (2p - 1)

将 h(w1) 的值代入：

h(w) = (k1 * 2^p + h(w2)) mod (2p - 1)

这表示 w 的哈希值等于 w1 的哈希值乘以 2^p\) 加上 w2 的哈希值再对 2p - 1 取模。这与我们的归纳假设一致，因此结论成立。

（左移 p 位相当于乘以 2^p，这是引入的权重因子。这个权重因子可以使得 w1 的哈希值的贡献在哈希结果中更显著，与 w2的哈希值的贡献区分开来。）

11-3.4 考虑一个大小为m = 1000的散列表和一个对应的散列函数h(k) = floor(m*((k*A) mod 1))，其中，A = (√5 - 1)/2，试计算关键字61、62、63、64和65被映射到的位置。

700, 318, 936, 554, 172

11.3-5 定义一个从有限集合U到有限集合B上的散列函数簇H为e全域的，如果对U中所有的不同元素对k和l，都有

Pr{h(k) = h(l)} <= e

其中概率是相对从函数簇H中随机抽取的散列函数h而言的。试证明：一个e全域的散列函数簇必定满足：

e >= 1/|B|-1/|U|

使用反证法证明。

反证法的思路：假设存在一个 e 全域的散列函数簇，但不满足上述不等式。

假设条件：假设 e < 1/|B|-1/|U|。

考虑概率不等式：我们知道 e 全域的定义是对于任意两个不同的元素对 k 和 l，都有

Pr{h(k) = h(l)} <= e

使用概率不等式：我们考虑对于所有的 b ∈ B，以及对于每一对不同的元素k, l ∈ U，都有：

Pr{h(k) = h(l) and h(k) = b} <= e

应用全概率公式：使用全概率公式：

Pr{h(k) = b} = 求和Pr{h(k) = h(l) and h(k) = b} (所有可能的k)

简化不等式：由于我们已经有 e < 1/|B|-1/|U|，我们可以继续简化：

Pr{h(k) = b} <= e < 1/|B|-1/|U|

不等式推导：进一步，我们可以得到：

|U| * Pr{h(k) = b} <= |U| * e < |B|-1

矛盾：但这与 e全域的定义矛盾，因为 |U| * Pr{h(k) = b}应该大于等于 |B| - 1，任何一个 b 都至少被 |U| - 1 个不同的元素映射到。

因此，我们的假设 e < 1/|B|-1/|U| 不成立。

11.3-6 设U为取自Z_p中的值构成的n元组集合，并设B = Z_p，其中p为素数。对于一个取自U的输入n元组<a0,a1,...,an-1>，定义其上的散列函数h_b：U --> B (b∈Z_p)为：

h_b(<a0,a1,...,an-1>) = 求和a_j*b^j (j：0 --> n - 1) mod p

并且设H = {h_b：b∈Z_p}。根据练习11.3-5中e全域的定义，证明H是((n-1)/p)全域的。

首先，我们回顾一下 e 全域的定义。一个散列函数簇 H 被称为((n−1/p))全域的，如果对于所有不同的 x,y∈U，都有：

Pr{h(x) = h(y)} ≤ (n−1)/p

其中概率是相对于从函数簇 H 中随机选择一个散列函数 h_b​ 而言的。

现在，我们来证明 H 是((n−1/p))全域的。对于任意两个不同的 x=〈a0​,a1​,…,an−1​〉 和 y=〈b0​,b1​,…,bn−1​〉，我们考虑它们的散列值 h_b(x) 和h_b(y)。

定义 h_b(x) 和 h_b(y) 如下：

h_b(x)=∑j=0 to n−1​a_j * b^j mod p

h_b(y)=∑j=0 to n−1​b_j* b^j mod p

现在，我们将这两个散列值的差异进行分析。考虑 h_b(x)− h_b(y)：

 h_b(x)− h_b(y) = ∑j=0 to n−1​(a_j − b_j) * b^j mod p

注意，因为 x 和 y 是不同的元素，至少存在一个下标 i 使得 a_i != b_i​。假设 i 是第一个这样的下标。

h_b(x) − h_b(y)=∑j=0 to i−1 (a_j​− b_j) * b_j + ∑j=i to n−1​(a_j​− b_j) * b_j mod p

=(a_i​− b_i) * b_i + ∑j=i+1 to n−1​(a_j​− b_j) * b_j mod p

≥(a_i​− b_i) * b_i mod p

>−p

这是因为a_i != b_i，所以a_i​− b_i​不等于零，而 b_i 是模 p 意义下非零的。

接下来，我们考虑计算 h_b(x) − h_b(y) 的绝对值：

|h_b(x) − h_b(y)∣ ≤ p−1

将这两个不等式结合起来：

因此，我们可以说 ∣h_b(x) − h_b(y)∣ 至多为 p−1。

现在，考虑一个 b 的值，使得 h_b(x) − h_b(y)，那么至少有一个 b 使得 ∣h_b(x) − h_b(y)∣≥1。考虑到 b 的取值范围是 {0,1,…,p−1}，我们知道至多有 p−1 个不同的值，其中 h_b(x) != h_b(y)。

因此，我们有：

Pr{h(x)=h(y)} ≤ (p−1)/p​=1 − 1/p​

由于 p 是素数，1/p是一个正数。所以：

Pr{h(x)=h(y)} ≤ (p−1)/p​=1 − 1/p <= (n-1)/p

这证明了 H 是 ((n−1)/p) 全域的。