散列表

  散列表
1  散列表与散列方法
前面讨论的表示查找表的各种结构，有一个共同点：记录在表中的位置和它的关键字之间不存在一个确定的关系，因此，查找的过程为给定值依次和关键字集合中各个关键字进行比较，查找的效率取决于和给定值进行比较的关键字个数。因此，用这类方法表示的查找表，其平均查找长度都不为零，不同表示方法的差别仅在于：和给定值进行比较的关键字的顺序不同。理想的情况是依据关键码直接得到其对应的数据元素位置，即要求关键码与数据元素间存在一一对应关系，通过这个关系，能很快地由关键码得到对应的数据元素位置。散列表与散列方法：选取某个函数，依该函数按关键码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 key 计算地址，将 key 与地址单元中元素关键码进行比较，确定查找是否成功，这就是散列方法(杂凑法)；散列方法中使用的转换函数称为散列函数(杂凑函数)；按这个思想构造的表称为散列表(杂凑表)。
对于 n 个数据元素的集合，总能找到关键码与存放地址一一对应的函数。若最大关键为m，可以分配 m 个数据元素存放单元，选取函数 f(key)=key 即可，但这样会造成存储空间的很大浪费，甚至不可能分配这么大的存储空间。通常关键码的集合比散列地址集合大得多，因而经过散列函数变换后，可能将不同的关键码映射到同一个散列地址上，这种现象称为冲突(Collision)，映射到同一散列地址上的关键码称为同义词。可以说，冲突不可能避免，只能尽可能减少。
所以，散列方法需要解决以下两个问题：
（1）构造好的散列函数
①所选函数尽可能简单，以便提高转换速度。
②所选函数对关键码计算出的地址，应在散列地址集中大致均匀分布，以减少空间浪费。
（2）制定解决冲突的方案。
2  常用的散列函数
对数字的关键字可有下列散列函数的构造方法，若是非数字关键字，则需先对其进行数字化处理。
1. 直接定址法
H(key) = key 或者 H(key) = a *key + b
即取关键码的某个线性函数值为散列地址，这类函数是一一对应函数，不会产生冲突。
此法仅适合于：地址集合的大小 = = 关键字集合的大小
2. 数字分析法
假设关键字集合中的每个关键字都是由 s 位数字组成(k1, k2, …, kn)，分析关键字集中全体，并从中提取分布均匀的若干位或它们的组合作为地址。
此法仅适合于：能预先估计出全体关键字的每一位上各种数字出现的频度。
3．平方取中法
若关键字的每一位都有某些数字重复出现频度很高的现象，则先求关键字的平方值，以通过“平方”扩大差别，同时平方值的中间几位受到整个关键字中各位的影响。
此方法适合于：关键字中的每一位都有某些数字重复出现频度很高的现象。
4. 折叠法
若关键字的位数特别多，则可将其分割成几部分，然后取它们的叠加和为散列地址。可有：移位叠加和间界叠加两种处理方法。
（1）移位法：将各部分的最后一位对齐相加。
（2）间界叠加法：从一端向另一端沿各部分分界来回折叠后，最后一位对齐相加。
此方法适合于：关键字的数字位数特别多。
5. 除留余数法
H(key) = key MOD p p≤m (表长)
即取关键码除以 p 的余数作为散列地址。使用除留余数法，选取合适的 p 很重要，若散列表表长为 m，则要求 p≤m，且接近 m 或等于 m。p 一般选取质数，也可以是不包含小于 20质因子的合数。
通常，此方法用于对长度不等的关键字构造散列函数。
实际造表时，采用何种构造散列函数的方法取决于建表的关键字集合的情况(包括关键字的范围和形态)，总的原则是使产生冲突的可能性降到尽可能地小。
3  处理冲突的方法
处理冲突的实际含义是：为产生冲突的地址寻找下一个散列地址。
1. 开放定址法
所谓开放定址法，即是由关键码得到的散列地址一旦产生了冲突，也就是说，该地址已经存放了数据元素，就去寻找下一个空的散列地址，只要散列表足够大，空的散列地址总能找到，并将数据元素存入。
找空散列地址方法很多，下面介绍三种：
（1）线性探测法
H i =(Hash(key)+d i ) mod m ( 1≤i < m )
其中： Hash(key)为散列函数，m 为散列表长度，d i 为增量序列 1，2，……，m-1，且d i =i。
这种方法的特点是：冲突发生时，顺序查看表中下一单元， 直到找出一个空单元或查遍全表。
线性探测法可能使第 i 个散列地址的同义词存入第 i+1 个散列地址，这样本应存入第 i+1个散列地址的元素变成了第 i+2 个散列地址的同义词，……，因此，可能出现很多元素在相邻的散列地址上“堆积”起来，大大降低了查找效率。为此，可采用二次探测法改善“堆积”问题。
（2）二次探测法
H i =(Hash(key)±d i ) mod m
其中：Hash(key)为散列函数，m 为散列表长度，m 要求是某个 4k+3 的质数(k 是整数)，
d i 为增量序列 1^2 ，-1^2 ，2^2 ，-2^2 ，……，q^2 ，-q^2 且 q≤(1/2)*m
这种方法的特点是：冲突发生时，在表的左右进行跳跃式探测，比较灵活。
（3）随机探测再散列
di 是一组伪随机数列，具体实现时，应建立一个伪随机数发生器，（如 i=(i+p) % m）， 并给定一个随机数做起点。

2. 拉链法

这种方法的基本思想是将所有散列地址为 i 的元素构成一个称为同义词链的单链表，并将单链表的头指针存在散列表的第 i 个单元中， 因而查找、插入和删除主要在同义词链中进行。 链地址法适用于经常进行插入和删除的情况。
4  散列表的查找
查找过程和造表过程一致。假设采用开放定址处理冲突，则查找过程为：对于给定值 K, 计算散列地址 i = H(K)，
若 r[i] = NULL ，则查找不成功
若 r[i].key = K ，则查找成功
否则求下一地址 Hi，直至 r[Hi] = NULL (查找不成功)或 r[Hi].key = K (查找成功)为止。
5  散列表的查找分析
散列表的查找过程基本上和造表过程相同。一些关键码可通过散列函数转换的地址直接找到，另一些关键码在散列函数得到的地址上产生了冲突，需要按处理冲突的方法进行查找。
在介绍的处理冲突的方法中，产生冲突后的查找仍然是给定值与关键码进行比较的过程。所以，对散列表查找效率的量度，依然用平均查找长度来衡量。
查找过程中，关键码的比较次数，取决于产生冲突的多少，产生的冲突少，查找效率就高，产生的冲突多，查找效率就低。因此，影响产生冲突多少的因素，也就是影响查找效率的因素。
影响产生冲突多少有以下三个因素：散列函数是否均匀；处理冲突的方法；散列表的装填因子。
分析这三个因素，尽管散列函数的“好坏”直接影响冲突产生的频度，但一般情况下，我们总认为所选的散列函数是“均匀的”，因此，可不考虑散列函数对平均查找长度的影响。就线性探测法和二次探测法处理冲突的例子看，相同的关键码集合、同样的散列函数，但在数据元素查找等概率情况下，它们的平均查找长度却不同。
散列表的装填因子定义为：α= 填入表中的元素个数/散列表的长度
α 是散列表装满程度的标志因子。由于表长是定值，α 与“填入表中的元素个数”成正比，
所以，α 越大，填入表中的元素较多，产生冲突的可能性就越大；α 越小，填入表中的元素较
少，产生冲突的可能性就越小。
实际上，散列表的平均查找长度是装填因子 α 的函数，只是不同处理冲突的方法有不同的函数。
散列方法存取速度快，也较节省空间，但由于存取是随机的，因此，不便于顺序查找。