数据结构与算法：哈希

哈希

哈希/散列（Hashing）：通过关键字Key映射到散列地址上，存储Value。属于查找算法

查找算法
查找的本质：给定已知对象找到位置
1、顺序查找：时间复杂度O(N)
2、二分查找：O(logN)
3、二叉搜索树O(h) h:二叉树的高度
平衡二叉树 O(logN)
4、哈希查找：几乎是常量O(1)，与问题的规模无关

散列查找关键

1、如何计算元素存储的位置
必须构造散列函数确定Key存储位置
2、如何解决冲突？
不同的关键字可能会映射到同一个散列地址，即为冲突，所以必须采取某种方法结局多个关键字映射相同的问题

散列函数的构造方式

好的散列函数应该满足以下两个方面：
1、计算简单，提高Key->散列地址的转换速度
2、关键字对应地址空间分布均匀，减少冲突

直接地址法
h(key) = a × key + b，通过构造关键字的线性函数值为散列地址
映射结果

除留余数法
散列函数：h(key) = key mod p,一般情况下p为素数

数字分析法

通过分析数字关键字在各位上的变化情况，取比较随机的位作为散列地址
比如11位手机号码作为Key,一般取后4位作为地址：
散列函数：h(key) = atoi(Key+7)

11位的手机号码一般满足这样的变化规律
18位的身份证号码就会有这样的变化规律
所以取6、10、8、4、1、9，地址空间分布均匀，冲突的几率可能会比较小一点

折叠法
把关键词分割成位数相同的几个部分，然后叠加
789456 => 789+456 = 12345 = h(key)

平方取中法
1245 => 1245 * 1245 = 1550025 取500为h(key)

字符关键词的散列构造

ASCII码加和法
h(key) = (Σkey[i]) mod TableSize
冲突会比较严重

**前3个字符移位法 **
h(key)=(key[0]×27^2 + key[1]×27 + key[2])mod TableSize

移位法
h(key) = (Σkey(n-i-1)×32^i)mod TableSize ，据说取32是最优的方式

Index Hash ( const char *Key, int TableSize ) {
           
	unsigned int h = 0;     /* 散列函数值，初始化为0 */    
 	while ( *Key != ‘\0’)  /* 位移映射 */        
	  	h = ( h << 5 ) + *Key++;     
	return  h % TableSize; 
} 

冲突处理

常见的方法：
1、开放地址法：找一个空位置存储
2、链地址法：相同位置的冲突，形成链

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
如果在 i 位置发生了冲突，以di的递增寻找下一个地址
hi(key) = (h(key)+di) mod TableSize
di就决定了解决冲突的偏移量
根据di的不同，冲突方案分为：
1、线性探测（di=i）
2、平方探测(di = ± i * i)
3、双散列(di = i * h’(key))

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

TableSize = 13
成功平均查找长度(ASLs) :查找表中关键词的平均查找比较次数**（其冲突次数加1）**
不成功平均查找长度 (ASLu) ：不在散列表中的关键词的平均查找次数

平方探测法(二次探测)

平方探测法：以增量序列12，-12，22，-22，……，q2，-q2 且q ≤ ⌊TableSize/2⌋ 循环试探下一个存储地址。
跟线性探测法差不多，只是增量不一样，8举例子了

双散列探测法
双散列探测法: di 为i*h2(key)，h2(key)是另一个散列函数
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)

再散列
解决方式：增大散列表
弊端：要重新计算已经在散列表的hash值

分离链接法

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
只要把冲突的元素，按头插法插入到该位置上的链表就好了

散列表的性能分析

平均查找长度（ASL）用来度量散列表查找效率：成功、不成功
关键词的比较次数，取决于产生冲突的多少：
1、散列函数是否分配空间均匀
2、处理冲突的方法
3、散列表的装填因子（元素个数/表长）

线性探测法的查找性能

线性探测法的期望探测次数 满足下列公式：

平方探测法和双散列探测法的查找性能
分离链接法的查找性能

期望探测次数与装填因子α的关系

根据期望探测次数与装填因子α的关系，可以得到合理的的最大装入因子α应该不超过0.85。

哈希总结

1、选择合适的 h(key) ，散列法的查找效率期望是常数O(1)，它几乎与关键字的空间的大小n无关！
2、散列方法是一个以空间换时间，所以a应该较小
3、散列方法的存储对关键字是随机的，不便于顺序查找关键字，也不适合于范围查找，或最大值最小值查找。

开放地址法：
1、优点：本质上是一个数组，存储效率高，方便查找
2、缺点：散列表易发生聚集

分离链法：
1、散列表是顺序存储和链式存储的结合，链表部分的存储效率和查找效率都比较低，容易解决冲突
2、弊端：太小的α可能导致空间浪费，大的α又将付出更多的时间代价。不均匀的链表长度导致时间效率的严重下降。

开放地址法和分离链接法的代码实现

平方探测

#include<iostream>
#include<cstdio>
#include<math.h>
#include<cstring>
using namespace std;
//设置最大的散列表长度
#define MAXTABLESIZE 100000
typedef int ElementType;
//存储散列地址的类型
typedef int Index;
//数据的位置与地址类型保持一致
typedef Index Position;
//设置存储单元的状态：已有元素、空单元、该元素被删除
typedef enum{
   
	Legitimate,
	Empty,
	Deleted
}EntryType;
//存储单元的指针类型
typedef struct HashEntry *Cell;
//存储单元结点
struct HashEntry{
   
	//存储结点数据
	ElementType data;
	//存储结点状态
	ElementType Info;
};
//散列表的类型
typedef struct TblNode *HashTable;
//散列表的结点定义
struct TblNode{
   
	//表的最大长度
	int tableSize;
	//存储单元
	Cell cell; 
};
//计算出比N大的最小素数
int