【算法笔记】哈希hash

1.哈希hash引入

小集合元素M在大集合N中的出现次数。

如果二重循环遍历，时间复杂度O(NM)，N、M大时很大

用空间换时间：

一个bool型数组hashTable[MAX]（若需要出现次数则换成int）

用此数组值标记是否出现过(数组读入时)：hashTable[x]=true;……………………O(N)

输出出现过的元素：判断是否true……………………………………………………O(M)

总时间复杂度O(M+N)

方法：直接把输入的数作为数组的下标X来对这个数的性质进行统计

但是，上面的输入的数每一个都是不超过10^5的整数，如果需要统计的是一个巨大的数，甚至是一个有意义的字符串，（字符串和极大数）无法记为下标

我们希望将需要统计的元素转化为可以唯一标识的较小整数，就可以通过下标计数了

即由key->H(key)，key值变为其单值函数值，将单值函数值作为数组下标

2.常见hash函数：

直接定址法，除留余数法，平方取中法（少用）

1)直接定址法->恒等变换

H(key)=key

H(key)=a*key+b

2)除留余数法

H(key)=key%mod

通过此法，可以将key转换为不超过mod的整数，这样就可以将它作为数组下标。

/*注意表长TSize(即下标最大值)必须不小于mod，否则会产生越界。

当mod为素数，H(key)能尽可能覆盖[0,mod)内每一个数。*/

一般为了方便，TSize取为素数，mod取为等于mod

显然，通过%mod方法，可能会存在H(key)相同，但原本key值不同的情况——称为“冲突”

##解决冲突的方法：

——1开放定址法（线性探查法、平方探查法） 计算新的hash值

*线性探查法：

当得到key的hash值H(key)，但是表中下标为H(key)已被占用时，

检查H(key)+1是否被占，直到探查到未被占的位置。

如果检查过程超过了表长，则回到表头，直到找到一个可使用的位置或者发现表已经被占满。

缺点：易导致扎堆，即表中连续若干个位置都被使用，这在一定程度上会降低效率。

*平方探查法：

为避免扎堆现象，

依次检查H(Key)+1²、H(Key)-1²、H(Key)+2²、H(Key)-2²…………

如果过程中H(key)+k²超过了表长，则将其对表长取模，

如果过程中H(key)-k²<0(假设首位为0），则取

（(H(key)-k²)  % TSize + TSize）%TSize   

为了避免负数的麻烦，可以只进行正向的平方探查。

——2拉链法

不用重新计算新的hash值，而是把所有H(key)相同的key连接成一条单链表

一般来说，可以使用标准库模板库中的map来直接使用hash的功能（C++11以后可以用unordered_map速度更快）