【数据结构】散列查找

部分copy散列查找by萝卜头LJW以及浙大数据结构视频学习后得出

why

为什么要用散列查找？

what

什么是散列查找？

解决冲突有哪些方法？

how

如何评估查找？

散列函数如何设计？

---

为什么要用散列查找？

顺序查找 时间复杂度 O（N）

二分查找（前提有序） 时间复杂度 O(logN)

二叉搜索树 时间复杂度 O(h)，h 是树高，最好情况 h = logN，最差 h = N 。

二叉平衡树 时间复杂度 O(logN)

如何数据量很大时怎么办，10 亿，100 亿 ?

顺序查找全部遍历不可能 ，二分查找要求有序太难了，2 的 30 次方等于10 亿多，那么二叉搜索树、二叉平衡树最好情况下树高 30，比 30 次也有点多。

散列查找：通过散列函数的计算求出关键字的位置。 这样就有很快的查找效率。时间复杂度几乎是常量 O(1)。

---

什么是散列查找？

散列 (Hashing) 是一种重要的查找方法。它的基本思想是：以数据对象的关键字 key 为自变量，通过一个确定的函数关系 h，计算出对应的函数值 h(key) ，把这个值解释为数据对象的存储地址（可能不同的关键字会映射到同一个散列地址上会有冲突，需要解决），并按此存放，即“存储位置= h(key)”。

散列表（Hash Table）也称为哈希表。

散列查找的两项基本工作：

1.计算位置：构造散列函数确定关键字存储位置
2.解决冲突：应用某种策略解决多个关键词位置
时间复杂度几乎是常量O（1），即查找时间与问题规模无关

---

散列函数的构造方法

散列函数的设计需要考虑下列两个因素：

1.计算简单，以便提高转换速度
2.关键词对应的地址空间分布均匀，以尽量减少冲突

数字关键词的散列函数构造

1.直接定址法

取关键词的某个线性函数值为散列地址，即h(key) = a × key + b （a、b为常数）
例：想要统计1990~2011年出生的人数，可以设a = 1,b = 1990，可设计成如下形式：
h(key) = key - 1990

2.除留余数法

散列函数为：h(key) = key mod p
p一般取素数

TableSize = n / α, n 是关键词集合大小，α 是允许最大装填因子

一般 p 取素数，p <= TableSize

是现实应用中比较常见的方法。

3.数字分析法

如果数字关键词的位数比较多，取比较随机变化较多的位作为散列地址。
例：特定的一系列手机号，它们主要是手机尾号后四位进行变化，那么可以取手机号码key的后四位作为地址
散列函数为h(key) = atoi(key+7)
int atoi(char* s) ：将数字字符串转成数字

4.折叠法

把关键词分割成位数相同的几个部分，然后叠加
如：对于一串数字，从个位数开始3位3位取，不足的补0，再将这些三位数相加，取结果的三位数为key
如56793542，542+793+056 = 1391
那么h(56793542) = 391即key

5.平方取中法

如56793542，将其平方，再取中间的三位数作为key
56793542×56793542 = 3225506412905764
h(56793542) = 641

---

字符关键词的散列函数构造

1.ASCII码加和法

对字符关键词 key 定义散列函数如下：

h(key) = (∑key[i]) mod TableSize

函数简单，均匀性比较差，冲突比较严重（如a3,b2,c1；eat,tea这些）。

2.简单的改进————前 3 个字符移位法

h(key) = (key[0] * 27^2 + key[1] * 27 + key[2] ) mod TableSize

3.好的散列函数————移位法

涉及关键词所有 n 个字符，并且分布得很好：

如：
如果要代码实现的话，大致思想是：
{{[(a) * 32 + b]*32+c}*32+d}*32+e
一层一层乘上32
这些方法并不是完美的，无论是哪一种，总会找到一组反例数据导致key一样，这就是冲突，接下来就需要处理这些冲突。

---

冲突处理的方法

常用处理冲突的思路：

换个位置： 开放地址法
同一位置的冲突对象组织在一起： 链地址法

开放地址法

一旦产生了冲突（该地址已有其它元素），就按某种规则去寻找另一空地址
若发生了第 i 次冲突，试探的下一个地址将增加 di，基本公式是：

不同的di决定了不同的解决冲突方案：线性探测、平方探测、双散列。

线性探测
以增量序列1,2……（TableSize - 1）循环试探下一个存储地址。即di = i

1.先算出散列地址，直接求h(key)
2.模拟进行插入操作。
对冲突情况说明：如插入29，h(29) = 7，那么此时d1=1，移到地址为8的地方即可。
如插入30，此时地址为8的地方已经被占用，因此di++，一直加到d4，位置在12，依然冲突，再加的话需要对其mod TableSize，直到d6处可以放下，那就可以放入。


ASL s 中的值每个数的查找次数，如对于11，查找1次就查找到了（11 mod 11 = 0），对于30，需要查找7次（30 mod 11 = 8，再d6走6次，共7次），分母是放入地址中的数字总数
ASL u中的值是对于H（key）相同的值，找不到它的情况（并不一定要列出完全相同的例子），如22，H（22） = 0，从地址0开始，没有，到1，也不是，到2发现此处是空的，那就断定没有22，其它类似。分母是自行设置的b（mod 11的11）

平方探测——二次探测


di = ±i²
实际上就是冲突地点开始左右横跳
缺陷：在一定特殊情况下，表内有空间，但是平方探测找不到改下放的地址

探测序列一直是2和0,3和4够不着
有定理显示：如果散列表长度TableSize是某个4k+3（k是正整数）形式的素数时，平方探测法就可以探查到整个散列表空间。

双散列探测法：
d1为i*h2(key),h2(key)是另一个散列函数
探测序列成h2(key),2h2(key),3h2(key)……
对任意的key，h2(key)≠0
探测序列还应该保证所有的散列存储单元都应该能够被探测到。选择以下形式有良好的效果：
h2(key) = p - (key mod p)
其中p < TableSize，p、TableSize都是素数

再散列
当散列元素太多（即装填因子α太大）时，查找效率会下降；解决的方法是加倍扩大散列表，这个过程叫再散列。
散列表扩大时，原有元素需要重新计算放置到新表中
实用最大装填因子一般取0.5 <= α <= 0.85

分离链接法
将相应位置上冲突的所有关键词存储在同一个单链表中