数据结构与算法-哈希表链地址法完成

        散列表是实现字典操作的一种有效的数据结构，尽管在最坏情况下查找一个元素时间和链表相同。但实际应用中，散列表的性能是极好的，合理情况下，平均时间复杂度为O（1）。

typedef struct Datatype {
	int key;    
	USER_TYPE value;
}Datatype;

typedef struct HashTable {
	int times;
	Datatype data;
}HashTable;

        散列表是一个在时间和空间上做出权衡的数据结构。如果空间允许，可以把每个关键字当做数组下标；如果时间允许，不考虑时间消耗的话，顺序查找即可。散列表恰恰值介于这二者之间，散列表使用一个长度与实际存储数目成比例的数组来存储。

        常见的构造哈希函数是取余构造，就是把余数当做哈希值，除此之外还有：

int HashFunc(int key) {
//除留取余的构造哈希函数方法
	return key % HashTableSize;
}

        平方取中散列法：通过次方放大关键字，再取中间几位作为哈希值，通过次方放大关键字减少各关键字之间的碰撞。

        基数转换法：把十进制数看成其他进制，再按照这个进制转换为十进制，提取若干位作为哈希值。

        在构造散列表的时候，通过哈希函数计算哈希值，如果出现关键字不同但是哈希值相同时，就是产生哈希碰撞，需要给出解决哈希碰撞的方案。解决哈希碰撞的方法有：

          1、链地址法：把一个哈希值产生冲突关键字放进一个链表里面，某个哈希值产生冲突了，就把这个关键字放到这个哈希值槽的链表里面。Java中的HashMap就是这样解决冲突的，不过现在一旦同一个哈希值冲突超过7个还是8个就会把链表转换为红黑树，查找的时候效率更高。

           2、开放寻址法：大体的思想是一旦产生哈希碰撞，接着找一下空的哈希槽位，直到找到合适的位置，其中方法包括：线性探查，二次探查、伪随机探查。

            线性探查就沿着产生冲突的位置接着找它紧挨着下一个，直到不冲突了。

            二次探查看上去像在冲突的位置左右跳跃的找不冲突的位置。

            伪随机探查：建立一个随机数发生器，并给定一个随机数作为起始点，在冲突的位置借助这个随机数发生器生成随机数，去探查下一个合适的位置。

        3、完全散列（算法导论156页）：我的理解是散列的散列来解决冲突，不用链表也不用线性再探测找一个不冲突的位置。每一个哈希桶里面放的还是一个散列表，第一次算出在外层哪个哈希桶里面，接着计算在这个哈希桶的散列的第几个。重点就砸要保证第二次的散列计算不产生冲突，书里面写了一堆证明，生日悖论、马尔科夫啥的，我没看懂。这种二级散列可以用指针数组做到，数组（一级散列表）中每一个指针指向一个一维数组（二级散列表）