算法（C语言）-hash查询-学习笔记07

正好以前上算法课的时候有做过hash的笔记，直接把笔记搬运过来了，可能和具体实现有点不一样，但道理是一样的。当时上课的书是算法导论
所有代码实现：Tian-hy/c_ds

1. 直接寻址表（Direct-address Tables）

直接寻址表，记为$T[0...m-1]$, 其中每个位置称为槽（Slot），对应全域U的一个关键字（Key），key指向satellite data，若没有key为k的satellite data，则$T[k]=NIL$。

---

$O(1)$

DIRECT-ADDRESS-SEARCH(T, k)
return T[k]

$O(1)$

DIRECT-ADDRESS-INSERT(T, x)
T[x.key] = x

$O(1)$

DIRECT-ADDRESS-DELETE(T, x)
T[x.key] = NIL

---

优点	将对象直接存放在表的槽中，从而节约空间
	只需要知道下标就可以找到元素，不必存储关键字。然而不存储关键字，就必须用某种方法确定槽是否为空。
缺点	易造成表的空间不够或空间被浪费

2. 散列表

• 在直接寻址下，具有关键字k的元素被放到槽k中。在散列的方式下，该元素被放到$h(k)$中；即利用散列函数（hash function）h，计算出关键字k的槽的位置。

​ h : U → { 0 , 1 , . . . , m − 1 } h:U \rightarrow \{0, 1, ..., m-1\} h:U→{ 0,1,...,m−1}

• 读作：关键字k的元素被散列到槽$h(k)$上，或$h(k)$是关键字k的散列值
• 尽管尽可能的使h随机，但是难免出现冲突。

---

优点：

1. 散列表的存储需求只需要$\theta (|K|)$，且查找一个元素任然只需要$O(1)$

缺点：

1. $O(1)$是平均情况时间，对直接寻址表来说是最坏情况时间
2. 会出现冲突（collision）

---

解决冲突1：链接法

1. 链接发的介绍

• 在链接法中，把散列到同一槽中的所有元素都放在一个链表中。槽j中有一个指针，指向散列到j的元素的链表的表头；弱不存在这样的元素，则指向NIL

---

Insert: $O(1)$，插入相较于其他操作要稍微快一点，因为在此假设插入的元素没有出现在表中；若要检查x是否在表中需要付出额外代价，需要执行一个search来查找。

CHAINED-HASH-INSERT(T,x)
insert x at the head of list T[h(x.key)]

Search: $O(n)$，查找方法的最坏情况运行时间与表的长度成正比。

​ $O(1)$，期望时间。（$O(1+\alpha )$，而$\alpha$为$O(1)$）

CHAINED-HASH-SEARCH(T,k)
search for an element with key k in list T[h(k)]

Delete:

双向链表：$O(1)$，因为我们输入的是x，而x包含x.key，所以无需搜索就可以直接找到x的位置，叫x.prev的元素指向x.next的元素，即可完成删除操作。

单向链表：$O(n)$，我们可以直接找到x.key的位置，但是因为是单向链表所以无法直接找到x.prev，也就是说需要遍历链表找到x.prev，再将前一个元素的key指向后一个元素的key，完成删除操作，渐进运行时间与search相同。

CHAINED-HASH-DELETE(T,x)
delete x from the list T[h(x.key)]

---

2. 链接法散列的分析（查找一个给定关键字的时间）

• 最坏情况下查找的时间为$\theta (n)$

• 散列的平均性能依赖于所选取的散列函数h

• Assume：

  1. 放n个元素、具有m个槽位的散列表T，定义装载因子（load factor）$\alpha =n/m$。

  2. 简单均匀散列（simple uniform hashing）
     对于$j=0,1,...,m-1$，列表$T[j]$的长度用$n_j$来表示，于是有
     $$n=n_0+n_1+...+n_{m-1}$$
     $n_j$的期望长度为$E[n_j]=\alpha =n/m$。

  3. 定义：
     查找不成功，表中没有一个元素的关键字为k
     查找成功，成功找到关键字为k的元素

---

定理11.1: 在简单均匀散列的假设下，对于用链接法解决冲突的散列表，一次不成功search的avg time为$\theta (1+\alpha )$。

定理11.2: 在简单均匀散列的假设下，对于用链接法解决冲突的散列表，一次成功查询的avg time为$\theta (1+\alpha )$。

结论: 若散列表中槽数与表中的元素成正比，全部字典操作平均情况下都可以在$O(1)$的时间内完成

3. 散列函数

介绍散列的三种具体方法：两种启发式方法（乘法与除法进行散列）与一种利用随机技术来提供可证明的良好性能（全域散列，universal hashing）

• 一种好的方法导出的散列值，在某种程度上应独立与数据可能存在的任何模式，甚至很接近的关键字要被散列到截然不同的散列值上。

• 将关键字转换为自然数

  将字符串转换为ASCII码，随后以128为基数来表示。

  举例：$pt\to (p=1$