查找——散列表（哈希表）的查找

前面的文章介绍了线性表及树表的查找算法：

查找的基本概念，线性表的顺序查找

线性表的折半查找与分块查找

查找——树表之二叉排序树

查找—树表之平衡二叉树

这篇文章则介绍散列表（即哈希表）的查找方法。

一，哈希表的构造

基本概念

•优点：查找速度极快O(1),查找效率与元素个数n无关。

例1：

若将学生信息按如下方式存入计算机，如：

将2001011810201的所有信息存入V[01]单元；

将2001011810202的所有信息存入V[02]单元；

……

              将2001011810231的所有信息存入V[31]单元 

查找2001011810216的信息，可直接访问V[16]！

例2：

        数据元素序列(14，23，39，9，25，11)，若规定每个元素k的存储地址H（k）＝k，请画出存储结构图。

如何进行哈希表的查找？

        根据哈希函数H（k）＝k

        查找key=9,则访问H(9)=9号地址，若内容为9则成功； 

        若查不到，则返回一个特殊值，如空指针或空记录 

我们需要知道以下概念： 

哈希方法(杂凑法)

选取某个函数，依该函数按关键字计算元素的存储位置，并按此存放；

查找时，由同一个函数对给定值k计算地址，将k与地址单元中元素关键码进行比，确定查找是否成功。

哈希函数(杂凑函数)：哈希方法中使用的转换函数。

哈希表(杂凑表)：按上述思想构造的表。

冲 突：不同的关键码映射到同一个哈希地址 。key1 ！=key2，但H(key1)=H(key2)

同义词：具有相同函数值的两个关键字。

具体什么是冲突呢？我们来看一个例子：

冲突是不可避免的，那么我们如何才能减少冲突？

（1）构造好的哈希函数

（2）制定一个好的解决冲突方案

构造好的哈希函数

        (a)所选函数尽可能简单，以便提高转换速度;

        (b)所选函数对关键码计算出的地址，应在散列地址集中致均匀分布，以减少空间浪费。

构造好的哈希函数，我们需要考虑以下因素：

根据元素集合的特性构造

　要求一：地址空间尽量小

　要求二：均匀

则有以下方法：

1.直接定址法   2.数字分析法  3.平方取中法  4.折叠法  5.除留余数法  6.随机数法

1. 直接定址法

Hash(key) = a·key + b    (a、b为常数)

优点：以关键码key的某个线性函数值为哈希地址，不会产生冲突。

缺点：要占用连续地址空间，空间效率低。

例： {100，300，500，700，800，900}，哈希函数Hash(key)=key/100

 2.除留余数法

Hash(key)=key  mod  p    (p是一个整数)

通过计算出散列表中元素除以7得到的余数作为存储地址的位置

如果两个数的余数一样时，就出现了冲突，那么如何处理冲突呢？

处理冲突的两种方法：

1.开放地址法（开地址法）

        基本思想：有冲突时就去寻找下一个空的哈希地址，只要哈希表足够大，空的哈希地址总能找到，并将数据元素存入。

A.线性探测法

Hi=(Hash(key)+di) mod m       ( 1≤i < m )

其中：m为哈希表长度

di 为增量序列 1，2，…m-1，且di=i

一旦冲突，就找下一个空地址存入旦冲突，就找下一个空地址存入 

例：

关键码集为 {47，7，29，11，16，92，22，8，3}，

设：哈希表表长为m=11；

        哈希函数为Hash(key)=key mod 11    

我们可以得到用线性探测法处理冲突的过程： 

 线性探测法的优点：只要哈希表未被填满，保证能找到一个空地址单元存放有冲突的元素。

                       缺点：可能使第i个哈希地址的同义词存入第i+1个地址，这样本应存入第i+1个哈希地址的元素变成了第i+2个哈希地址的同义词，……，产生“聚集”现象，降低查找效率。

为了解决这种现象，我们引入了另一种方法处理冲突：

B.二次探测法

Hi=(Hash(key)±di) mod m

其中：m为哈希表长度，m要求是某个4k+3的质数；

      di为增量序列 12，-12，22，-22，…，q2

例:

关键码集为 {47，7，29，11，16，92，22，8，3}，

设：    哈希函数为Hash(key)=key mod 11   

Hash(3)=3，哈希地址冲突，由

H1=(Hash(3)+1*1) mod 11=4，仍然冲突；

H2=(Hash(3)+（-1)*(-1)) mod 11=2，找到空的哈希地址，存入。

 C.伪随机探测法

Hi=(Hash(key)+di) mod m       ( 1≤i < m )

其中：m为哈希表长度

di 为随机数

 2.链地址法（拉链法）

基本思想：相同哈希地址的记录链成一单链表，m个哈希地址就设m个单链表，然后用用一个数组将m个单链表的表头指针存储起来，形成一个动态的结构。

链地址法建立哈希表步骤 ：

step1 取数据元素的关键字key，计算其哈希地址。若该地址对应的链表为空，则将该元素插入此链表；否则执行step2解决冲突。

step2 根据选择的冲突处理方法，计算关键字key的下一个存储地址。若该地址对应的链表为不为空，则利用链表的前插法或后插法将该元素插入此链表。

链地址法的优点：

同义词不会冲突，无“聚集”现象

链表上结点空间动态申请，更适合于表长不确定的情况

二，哈希表的查找

例：

已知一组关键字(19,14,23,1,68,20,84,27,55,11,10,79)

  哈希函数为：H(key)=key MOD 13, 哈希表长为m=16，

  设每个记录的查找概率相等

(1)  用线性探测再散列处理冲突，即Hi=(H(key)+di) MOD m

ASL=(1*6+2+3*3+4+9)/12=2.5

(2)  用链地址法处理冲突

关键字(19,14,23,1,68,20,84,27,55,11,10,79)

ASL=(1*6+2*4+3+4)/12=1.75

对于这个例子，我们思考是用无序表查找还是有序表折半查找？ASL又如何？

从哈希表的查找效率分析

使用平均查找长度ASL来衡量查找算法，ASL取决于

哈希函数

处理冲突的方法

哈希表的装填因子

a 越大，表中记录数越多，说明表装得越满，发生冲突的可能性就越大，查找时比较次数就越多。

我们可以得到以下结论：

哈希表技术具有很好的平均性能，优于传统技术 

链地址法优于开地址法

除留余数法优于其它哈希函数