8.4 计算式查找（哈希表的构造）

最新推荐文章于 2024-08-12 00:11:29 发布

亓木Wilson

最新推荐文章于 2024-08-12 00:11:29 发布

阅读量955

点赞数

分类专栏：笔记文章标签：数据结构

本文链接：https://blog.csdn.net/WithoutEndFree/article/details/109909807

版权

笔记专栏收录该内容

59 篇文章 5 订阅

订阅专栏

8.4 计算式查找（哈希表的构造）

哈希法又称散列法、杂凑法或关键字地址计算法等，相应的表称为哈希表、散列表、杂凑表等。

这种方法的基本思想是：首先在元素的关键字 k 和元素的存储位置 p 之间建立一个对应关系 H，使得 p=H (k)，H 称为哈希函数。创建哈希表时，把关键字为 k 的元素直接存入地址为 H (k)的单元；以后当查找关键字为 k 的元素时，再利用哈希函数计算出该元素的存储位置 p=H (k)，从而达到按关键字直接存取元素的目的。

当关键字集合很大时，关键字值不同的元素可能会映象到哈希表的同一地址上，即 k1≠k2 ，但 H（k1）=H（k2），这种现象称为冲突，此时称 k1 和 k2 为同义词。实际中，冲突是不可避免的，只能通过改进哈希函数的性能来减少冲突。

综上所述，哈希法主要包括以下两方面的内容：

1）如何构造哈希函数
2）如何处理冲突。

一、哈希函数的构造方法

构造哈希函数的原则是：①函数本身便于计算；②计算出来的地址分布均匀，即对任一关键字 k，H (k) 对应不同地址的概率相等，目的是尽可能减少冲突。
下面介绍构造哈希函数常用的五种方法。

1、数字分析法

如果事先知道关键字集合，并且每个关键字的位数比哈希表的地址码位数多时，可以从关键字中选出分布较均匀的若干位，构成哈希地址。例如，有 80 个记录，关键字为 8 位十进制整数 d1d2d3…d7d8，如哈希表长度取为 100，则哈希表的地址空间为：0~99。假设经过分析，各关键字中 d4和 d7的取值分布较均匀，则哈希函数为：H (key)= H (d1d2d3…d7d8)=d4d7。例如，H (81346532)=43，H (81301367)=06。相反，假设经过分析，各关键字中 d1和 d8的取值分布极不均匀， d1 都等于 5，d8 都等于 2，此时，如果哈希函数为：H (key)= H(d1d2d3…d7d8)=d1d8，则所有关键字的地址码都是 52，显然不可取。

2、平方取中法

当无法确定关键字中哪几位分布较均匀时，可以先求出关键字的平方值，然后按需要取平方值的中间几位作为哈希地址。这是因为：平方后中间几位和关键字中每一位都相关，故不同关键字会以较高的概率产生不同的哈希地址。

例：我们把英文字母在字母表中的位置序号作为该英文字母的内部编码。例如 K 的内部编码为 11，E 的内部编码为 05，Y 的内部编码为 25，A 的内部编码为 01, B 的内部编码为 02。由此组成关键字“KEYA”的内部代码为 11052501，同理我们可以得到关键字“KYAB”、“AKEY”、“BKEY”的内部编码。之后对关键字进行平方运算后，取出第 7 到第 9 位作为该关键字哈希地址，如下图所示。

在这里插入图片描述

3、分段叠加法

这种方法是按哈希表地址位数将关键字分成位数相等的几部分（最后一部分可以较短），然后将这几部分相加，舍弃最高进位后的结果就是该关键字的哈希地址。

具体方法有折叠法与移位法。

移位法是将分割后的每部分低位对齐相加，折叠法是从一端向另一端沿分割界来回折叠（奇数段为正序，偶数段为倒序），然后将各段相加。例如：key=12360324711202065,哈希表长度为 1000，则应把关键字分成 3 位一段，在此舍去最低的两位 65，分别进行移位叠加和折叠叠加，求得哈希地址为 105 和 907，如下图所示。

在这里插入图片描述
4．除留余数法
假设哈希表长为 m，p 为小于等于 m 的最大素数，则哈希函数为h（k）=k % p ，其中%为模 p 取余运算。

例如，已知待散列元素为（18，75，60，43，54，90，46），表长 m=10，p=7，则有
h(18)=18 % 7=4 h(75)=75 % 7=5 h(60)=60 % 7=4
h(43)=43 % 7=1 h(54)=54 % 7=5 h(90)=90 % 7=6
h(46)=46 % 7=4

此时冲突较多。为减少冲突，可取较大的 m 值和 p 值，如 m=p=13，结果如下：

h(18)=18 % 13=5 h(75)=75 % 13=10 h(60)=60 % 13=8
h(43)=43 % 13=4 h(54)=54 % 13=2 h(90)=90 % 13=12
h(46)=46 % 13=7

此时没有冲突，如下图所示。
在这里插入图片描述

5、伪随机数法

采用一个伪随机函数做哈希函数，即 H(key)=random(key)。
在实际应用中，应根据具体情况，灵活采用不同的方法，并用实际数据测试它的性能，
以便做出正确判定。通常应考虑以下五个因素：

计算哈希函数所需的时间。
关键字的长度。
哈希表的大小。
关键字分布的情况。
记录查找的频率

二、处理冲突的方法

通过构造性能良好的哈希函数，可以减少冲突，但一般不可能完全避免冲突，因此解决冲突是哈希法的另一个关键问题。创建哈希表和查找哈希表都会遇到冲突，两种情况下解决冲突的方法应该一致。下面以创建哈希表为例，说明解决冲突的方法。

常用的解决冲突方法有以下四种：

1. 开放定址法

这种方法也称再散列法，其基本思想是：当关键字 key 的初始哈希地址 h0= H（key）出现冲突时，以 h0为基础，产生另一个地址 h1，如果 h1仍然冲突，再以 h0为基础，产生另一个哈希地址 h2，…，直到找出一个不冲突的地址 hi ，将相应元素存入其中。这种方法有一个通用的再散列函数形式：

hi=（H（key）+di）% m i=1，2，…，n
或：
hi=（h0 + di）% m i=1，2，…，n

其中 H（key）为哈希函数，h0=H（key），m 为表长，di 称为增量序列。增量序列的取值方式不同，相应的再散列方式也不同。主要有以下三种：

线性探测再散列
di=1，2，3，…，m-1
这种方法的特点是：冲突发生时，顺序查看表中下一单元，直到找出一个空单元或查遍全表。
二次探测再散列
di=12，-12，22，-22，…，k2，-k2 ( k<=m/2 )
这种方法的特点是：冲突发生时，在表的左右进行跳跃式探测，比较灵活。
伪随机探测再散列
di=伪随机数序列。

具体实现时，应建立一个伪随机数发生器，（如 i=(i+p) % m），并给定一个随机数做起点。

例如，已知哈希表长度 m=12，哈希函数为：H（key）= key % 11，则 H（47）=3，H（26）=4，H（60）=5，假设下一个关键字为 69，则 H（69）=3，与 47 冲突。如果用线性探测再散列处理冲突，下一个哈希地址为 h1=（3 + 1）% 12 = 4，仍然冲突，再找下一个哈希地址为 h2=（3 + 2）% 12 = 5，还是冲突，继续找下一个哈希地址为 h3=（3 + 3）% 12 = 6，此时不再冲突，将 69 填入 6 号单元，参下图(a)。如果用二次探测再散列处理冲突，下一个哈希地址为 h1=（3 + 12）% 12 = 4，仍然冲突，再找下一个哈希地址为 h2=（3 - 12）% 12 = 2，此时不再冲突，将 69 填入 2 号单元，参下图(b)。如果用伪随机探测再散列处理冲突，且伪随机数序列为：2，5，9，………，则下一个哈希地址为 h1=（3 + 2）% 12 = 5，仍然冲突，再找下一个哈希地址为 h2=（3 + 5）% 12 = 8，此时不再冲突，将 69 填入 8 号单元，如下图©。

在这里插入图片描述

从上述例子可以看出，线性探测再散列容易产生“二次聚集”，即在处理同义词的冲突时又导致非同义词的冲突。例如，当表中 i, i+1 ,i+2 三个单元已满时，下一个哈希地址为 i, 或i+1 ,或 i+2，或 i+3 的元素，都将填入 i+3 这同一个单元，而这四个元素并非同义词。线性探测再散列的优点是：只要哈希表不满，就一定能找到一个不冲突的哈希地址，而二次探测再散列和伪随机探测再散列则不一定。