在这里先道歉,因为博主实在太蒻,不会写Hash冲突的解决的博客,害怕误人子弟,所以决定写一篇Hash字符串的博客来弥补,实在是罪过、罪过。
Hash字符串(第一次接触Hash的小伙伴可以去看一下我的Hash初步,仅供参考)是一种很神奇的操作,历史很多计算机专业的学者,也对它进行了一系列的探讨与开发,所以现在有很多种Hash字符串的处理方式,最为常用的有三种BKDRHash、APHash、DJBHash()等等。
有一位大佬的博客对几种常见的Hash字符串处理做了统计、实践,大家可以去他的博客看一下,反正比蒟蒻博主我的博客强太多了http://www.cnblogs.com/Stomach-ache/p/3724836.html。
经过一番激烈的角逐,BDKRHash最终脱颖而出,成为了我们当之无愧的冠军。让我们有请图灵先生为它……不对,扯远了。所以今天要给大家介绍的就是BDKRHash了。
再说BDKRHash之前,先要给大家引导一下。
通常我们针对一个字符串处理,最容易想到的是将每一个字母的ASCLL码值相加得到一个字符串的Hash值。但这样做会导致我们建立的这个Hash表冲突非常多,这显然是不合理的,是一个超级烂的Hash。更进一步,大家可能会想到给每一个位置都确定一个不同的值,在用该位置上的字母的ASCLL码值 * 这个位置的固定值。这样做会有效的减小冲突,但还是不够。那么如果我们把每一个字符串的值都由它的子串 * 一个系数决定,最后在利用取余,就会更大程度避免冲突(当然也不是绝对的),这就是BDKRHash的基本思路。
BDKRHash的公式如下:
1. hashvalue[i]=(hashvalue[i-1]*seed+str[i]-'a'+1)%P
(也可以用ASCLL码值,但容易爆)
2.Hashvalue[l……r]=(hashvalue[r]-hashvlaue[l-1]*seed^(r-l+1))%P(注意第一个Hashvalue与hashvalue不同)
据某大佬说,BDKRHash的冲突在5%以内,但不是完全没有,很多时候,大家都喜欢把大P的值取int的最大值或者是long long的最大值,但是如果出题人充满心机,就很容易把你的代码卡掉。所以在写的时候尽量使用一个大的质数,例如:10^9+7和10^9+9。但也不是绝对的,这玩意儿也有可能会被卡掉。就以noip 2015模拟赛中的好文章为例。给大家看一下,出题人的心机。
——摘自某不明大佬的博客
【题目描述】
nodgd 写了一篇文章,自认为这是一篇好文章。nodgd 的文章由n个小写英文字母组成。文章的一个子串指的是文章中的一段连续的字母,子串的长度就是这一段的字母个数。nodgd 在文章中用了排比、对偶、前后照应之类的手法,所以就有很多个子串是相同或者相近的。为了向大家证明这是一篇好文章,nodgd决定给自己的文章进行评分。nodgd 首先确定了一个整数m,然后统计出文章中有多少个不相同的长度为m的子串,这个数量就是文章的评分。然而,nodgd懒得老老实实计算这个评分了,就把任务丢给了你。
【输入】
第一两个整数n,m,表示文章的长度和需要统计的子串长度。
第二行包含一个长度为?的只包含小写字母的字符串。
【输出】
输出一行一个整数,表示文章的评分。
【样例输入】
5 3
aaaab
【样例输出】
2
提示
【样例解释 1】
长度为3的子串有3个,分别是 aaa,aaa,aab,其中不同的只有2个。
【样例输入 2】
9 3
abcabacba
【样例输出 2】
7
【样例解释 2】
共有7个长度为3的子串,每个长度为3的子串都不同。
【数据范围】
于 30%的数据,1 ≤ m ≤ n ≤ 200;
于 50%的数据,1 ≤ m ≤ n ≤ 2000;
于另外 20%的数据,1 ≤ m ≤ 50 ≤ n ≤ 200000;
于100%的数据,1 ≤ m ≤ n ≤ 200000;
首先据出题人介绍了,很多种算法,因为楼主没有保存出题人的心机图,所以楼主也不太记得具体是哪些。
首先肯定是用BDKRHash,为什么?不是因为他得分高,而是因为,BDKRHash的第二个性质,比较两个字符串的Hash值即可。
单BDKRHash,如果用自然溢出大法,用一个神秘的公式据说就可以卡大部分,只能得30分。如果用10^9或10^7也很容易卡掉。
利用BDKRHash的方法,求出两个Hash数组的值。比较两个Hash数组的值是否相同,就可以完美得到100分。至于原理是因为一个会有5%的冲突,但两个Hash就可以把冲突降到接近于0。
- 用set,可以比较稳健得到70分,但也不能满。
具体代码如下:
因博主是蒟蒻,所以写代码参考了一下,出题人给的标程。)
#include<cmath>
#include<cstdio>
const int maxm=200010;
long long hash_a[maxm],hash_b[maxm];
long long Hash_a[maxm],Hash_b[maxm];
long long Hash_pow_a[maxm],Hash_pow_b[maxm];//指数数组
int n,m,ans;
char str[maxm];
void Init(int p1,int P1,int p2,int P2)
{
for(int i=1;i<=n;i++)
{
Hash_a[i]=(1ll*Hash_a[i-1]*p1+(str[i]-'a'+1))%P1;
Hash_pow_a[i]=1ll*Hash_pow_a[i-1]*p1%P1;
Hash_b[i]=(1ll*Hash_b[i-1]*p2+(str[i]-'a'+1))%P2;
Hash_pow_b[i]=1ll*Hash_pow_b[i-1]*p2%P2;
}
}
int hash_(int l,int r,int p,int P,int k)
{
if(k==1) return (Hash_a[r]-1ll*Hash_a[l-1]*Hash_pow_a[r-l+1]%P+P)%P;
return (Hash_b[r]-1ll*Hash_b[l-1]*Hash_pow_b[r-l+1]%P+P)%P;
}
void _qst(int l,int r)//快排,可以使用sort,开结构体
//根据HashA的值排序。
{
int i,j,m,mm,t;
i=l;j=r;
m=hash_a[(i+j)>>1];//位运算,相当于除以2
mm=hash_b[(i+j)>>1];
while(i<=j)
{
while(hash_a[i]<m||(hash_a[i]==m&&hash_b[i]<mm))i++;
while(hash_a[j]>m||(hash_a[j]==m&&hash_b[j]>mm))j--;
if(i<=j)
{
t=hash_a[i];hash_a[i]=hash_a[j];hash_a[j]=t;
t=hash_b[i];hash_b[i]=hash_b[j];hash_b[j]=t;
i++;j--;
}
}
if(i<r)_qst(i,r);
if(l<j)_qst(l,j);
}
int main()
{
scanf("%d%d",&n,&m);
scanf("%s",str+1);
Hash_pow_a[0]=1;
Hash_pow_b[0]=1;
Init(61,1000000007,97,1000000009);
for(int i=1;i<=n-m+1;i++)
{
hash_a[i]=hash_(i,i+m-1,61,1000000007,1);
hash_b[i]=hash_(i,i+m-1,97,1000000009,2);
}
_qst(1,n-m+1);
for(int i=1;i<=n-m+1;i++)
{
if(hash_a[i]==hash_a[i-1]&&hash_b[i]==hash_b[i-1])
continue;
ans++;
}
printf("%d",ans);
}