以上讨论的查找方法,由于数据元素的存储位置与关键码之间不存在确定的关系,因此,查找时,需要进行一系列对关键码的查找比较,即“查找算法”是建立在比较的基础上的,查找效率由比较一次缩小的查找范围决定。理想的情况是依据关键码直接得到其对应的数据元素位置,即要求关键码与数据元素间存在一一对应关系,通过这个关系,能很快地由关键码得到对应的数据元素位置。
例如:11个元素的关键码分别为 18,27,1,20,22,6,10,13,41,15,25。选取关键码与元素位置间的函数为f(key)=key mod 11
1.通过这个函数对11个元素建立查找表如下:
2.查找时,对给定值kx依然通过这个函数计算出地址,再将kx与该地址单元中元素的关键码比较,若相等,查找成功。
哈希表与哈希方法:选取某个函数,依该函数按关键码计算元素的存储位置,并按此存放;查找时,由同一个函数对给定值kx计算地址,将kx与地址单元中元素关键码进行比,确定查找是否成功,这就是哈希方法(杂凑法);哈希方法中使用的转换函数称为哈希函数(杂凑函数);按这个思想构造的表称为哈希表(杂凑表)。
对于n个数据元素的集合,总能找到关键码与存放地址一一对应的函数。若最大关键为m,可以分配m个数据元素存放单元,选取函数f(key)=key即可,但这样会造成存储空间的很大浪费,甚至不可能分配这么大的存储空间。通常关键码的集合比哈希地址集合大得多,因而经过哈希函数变换后,可能将不同的关键码映射到同一个哈希地址上,这种现象称为冲突(Collision),映射到同一哈希地址上的关键码称为同义词。可以说,冲突不可能避免,只能尽可能减少。所以,哈希方法需要解决以下两个问题:
1.构造好的哈希函数
(1)所选函数尽可能简单,以便提高转换速度。
(2)所选函数对关键码计算出的地址,应在哈希地址集中大致均匀分布,以减少空间
浪费。
2.制定解决冲突的方案。
构造哈希函数的常用方法
一、直接定址法
Hash(key)=a·key+b (a、b为常数)
即取关键码的某个线性函数值为哈希地址,这类函数是一一对应函数,不会产生冲突,但要求地址集合与关键码集合大小相同,因此,对于较大的关键码集合不适用。
例如:关键码集合为{100,300,500,700,800,900},选取哈希函数为
Hash(key)=key/100,则存放如下:
二、除留余数法
Hash(key)=key mod p (p是一个整数)
即取关键码除以p的余数作为哈希地址。使用除留余数法,选取合适的p很重要,若哈希表表长为m,则要求p≤m,且接近m或等于m。p一般选取质数,也可以是不包含小于20质因子的合数。
三、数字分析法
设关键码集合中,每个关键码均由m位组成,每位上可能有r种不同的符号。
【例】若关键码是4位十进制数,则每位上可能有十个不同的数符0~9,所以r=10。
【例】若关键码是仅由英文字母组成的字符串,不考虑大小写,则每位上可能有26种不同的字母,所以r=26。
数字分析法根据r种不同的符号,在各位上的分布情况,选取某几位,组合成哈希地址。所选的位应是各种符号在该位上出现的频率大致相同。
【例7.8】有一组关键码如下:
3 4 7 0 5 2 4 第1、2位均是“3和4”,第3位也只有
3 4 9 1 4 8 7 “7、8、9”,因此,这几位不能用,余
3 4 8 2 6 9 6 下四位分布较均匀,可作为哈希地址选用。
3 4 8 5 2 7 0 若哈希地址是两位,则可取这四位中的任
3 4 8 6 3 0 5 意两位组合成哈希地址,也可以取其中两
3 4 9 8 0 5 8 位与其它两位叠加求和后,取低两位作哈
3 4 7 9 6 7 1 希地址。
3 4 7 3 9 9
─────────────
① ② ③ ④ ⑤ ⑥ ⑦
四、平方取中法
对关键码平方后,按哈希表大小,取中间的若干位作为哈希地址。
处理冲突的方法
一、开放定址法
所谓开放定址法,即是由关键码得到的哈希地址一旦产生了冲突,也就是说,该地址已经存放了数据元素,就去寻找下一个空的哈希地址,只要哈希表足够大,空的哈希地址总能找到,并将数据元素存入。
找空哈希地址方法很多,下面介绍三种:
1.线性探测法
Hi=(Hash(key)+di) mod m ( 1≤i < m )
其中:
Hash(key)为哈希函数
m为哈希表长度
di 为增量序列1,2,……,m-1,且di=i
【例】关键码集为 {47,7,29,11,16,92,22,8,3},哈希表表长为11,
Hash(key)=key mod 11,用线性探测法处理冲突,建表如下:
47、7、11、16、92均是由哈希函数得到的没有冲突的哈希地址而直接存入的;
Hash(29)=7,哈希地址上冲突,需寻找下一个空的哈希地址:
由H1=(Hash(29)+1) mod 11=8,哈希地址8为空,将29存入。另外,22、8同样在哈希地址上有冲突,也是由H1找到空的哈希地址的;
而Hash(3)=3,哈希地址上冲突,由
H1=(Hash(3)+1) mod 11=4 仍然冲突;
H2=(Hash(3)+2) mod 11=5 仍然冲突;
H3=(Hash(3)+3) mod 11=6 找到空的哈希地址,存入。
线性探测法可能使第i个哈希地址的同义词存入第i+1个哈希地址,这样本应存入第i+1个哈希地址的元素变成了第i+2个哈希地址的同义词,……,因此,可能出现很多元素在相邻的哈希地址上“堆积”起来,大大降低了查找效率。为此,可采用二次探测法,或双哈希函数探测法,以改善“堆积”问题。
2.二次探测法
Hi=(Hash(key)±di) mod m
其中:
Hash(key)为哈希函数
m为哈希表长度,m要求是某个4k+3的质数(k是整数)
仍以上例用二次探测法处理冲突,建表如下:
对关键码寻找空的哈希地址只有3这个关键码与上例不同,
Hash(3)=3,哈希地址上冲突,由
H1=(Hash(3)+12) mod 11=4 仍然冲突;
H2=(Hash(3)-12) mod 11=2 找到空的哈希地址,存入。
3.双哈希函数探测法
Hi=(Hash(key)+i*ReHash(key)) mod m (i=1,2,……,m-1)
其中:
Hash(key),ReHash(key)是两个哈希函数,
m为哈希表长度
双哈希函数探测法,先用第一个函数Hash(key)对关键码计算哈希地址,一旦产生地址冲突,再用第二个函数ReHash(key)确定移动的步长因子,最后,通过步长因子序列由探测函数寻找空的哈希地址。
比如,Hash(key)=a时产生地址冲突,就计算ReHash(key)=b,则探测的地址序列为
H1=(a+b) mod m,H2=(a+2b) mod m,……,Hm-1=(a+(m-1)b) mod m
二、链地址法
设哈希函数得到的哈希地址域在区间[0,m-1]上,以每个哈希地址作为一个指针,指向一个链,即分配指针数组ElemType *eptr[m];建立m个空链表,由哈希函数对关键码转
换后,映射到同一哈希地址i的同义词均加入到*eptr[i]指向的链表中。
【例】关键码序列为47,7,29,11,16,92,22,8,3,50,37,89,94,21,哈希函数为
Hash(key)=key mod 11
用拉链法处理冲突,建表如图9.21。图9.21拉链法处理冲突时的哈希表(向链表中插入元素均在表头进行)
三.建立一个公共溢出区
设哈希函数产生的哈希地址集为[0,m-1],则分配两个表:
一个基本表ElemType base_tbl[m];每个单元只能存放一个元素;
一个溢出表ElemType over_tbl[k];只要关键码对应的哈希地址在基本表上产生冲突,则所有这样的元素一律存入该表中。查找时,对给定值kx通过哈希函数计算出哈希地址i,先与基本表的base_tbl[i]单元比较,若相等,查找成功;否则,再到溢出表中进行查找。
哈希表的查找分析
哈希表的查找过程基本上和造表过程相同。一些关键码可通过哈希函数转换的地址直接找到,另一些关键码在哈希函数得到的地址上产生了冲突,需要按处理冲突的方法进行查找。在介绍的三种处理冲突的方法中,产生冲突后的查找仍然是给定值与关键码进行比较的过程。所以,对哈希表查找效率的量度,依然用平均查找长度来衡量。
查找过程中,关键码的比较次数,取决于产生冲突的多少,产生的冲突少,查找效率就高,产生的冲突多,查找效率就低。因此,影响产生冲突多少的因素,也就是影响查找效率的因素。影响产生冲突多少有以下三个因素:
1.哈希函数是否均匀;
2.处理冲突的方法;
3.哈希表的装填因子。
分析这三个因素,尽管哈希函数的“好坏”直接影响冲突产生的频度,但一般情况下,我们总认为所选的哈希函数是“均匀的”,因此,可不考虑哈希函数对平均查找长度的影响。就线性探测法和二次探测法处理冲突的例子看,相同的关键码集合、同样的哈希函数,但在数据元素查找等概率情况下,它们的平均查找长度却不同:
线性探测法的平均查找长度ASL=(5×1+3×2+1×4)/9=5/3
二次探测法的平均查找长度ASL=(5×1+3×2+1×2)/9=13/9
填入表中的元素个数
哈希表的装填因子定义为:α=────────────
哈希表的长度
α是哈希表装满程度的标志因子。由于表长是定值,α与“填入表中的元素个数”成正比,所以,α越大,填入表中的元素较多,产生冲突的可能性就越大;α越小,填入表中的元素较少,产生冲突的可能性就越小。
实际上,哈希表的平均查找长度是装填因子α的函数,只是不同处理冲突的方法有不同的函数。以下给出几种不同处理冲突方法的平均查找长度:
哈希方法存取速度快,也较节省空间,静态查找、动态查找均适用,但由于存取是随机的,因此,不便于顺序查找。