数据结构学习笔记 --- 查找（哈希表）

hashing定义了一种将字符组成的字符串转换为固定长度(一般是更短长度)的数值或索引值的方法，称为散列法，也叫哈希法。由于通过更短的哈希值比用原始值进行数据库搜索更快，这种方法一般用来在数据库中建立索引并进行搜索，同时还用在各种解密算法中。

　　设所有可能出现的关键字集合记为u(简称全集)。实际发生(即实际存储)的关键字集合记为k（|k|比|u|小得多）。|k|是集合k中元素的个数。

　　散列方法是使用函数hash将u映射到表t[0..m-1]的下标上（m=o(|u|)）。这样以u中关键字为自变量，以h为函数的运算结果就是相应结点的存储地址。从而达到在o(1)时间内就可完成查找。

　　其中：

　　① hash：u→{0，1，2，…，m-1}，通常称h为散列函数(hash function)。散列函数h的作用是压缩待处理的下标范围，使待处理的|u|个值减少到m个值，从而降低空间开销。

　　② t为散列表(hash table)。

　　③ hash(ki)(ki∈u)是关键字为ki结点存储地址(亦称散列值或散列地址)。

　　④ 将结点按其关键字的散列地址存储到散列表中的过程称为散列(hashing).

　　比如：有一组数据包括用户名字、电话、住址等，为了快速的检索，我们可以利用名字作为关键码，hash规则就是把名字中每一个字的拼音的第一个字母拿出来，把该字母在26个字母中的顺序值取出来加在一块作为改记录的地址。比如张三，就是z+s＝26+19＝45。就是把张三存在地址为45处。

　　但是这样存在一个问题，比如假如有个用户名字叫做：周四，那么计算它的地址时也是z+s＝45，这样它与张三就有相同的地址，这就是冲突，也叫作碰撞！

　　冲突：两个不同的关键字，由于散列函数值相同，因而被映射到同一表位置上。该现象称为冲突(collision)或碰撞。发生冲突的两个关键字称为该散列函数的同义词(synonym)。

　　冲突基本上不可避免的，除非数据很少，我们只能采取措施尽量避免冲突，或者寻找解决冲突的办法。影响冲突的因素

　　冲突的频繁程度除了与h相关外，还与表的填满程度相关。

　　设m和n分别表示表长和表中填人的结点数，则将α=n/m定义为散列表的装填因子(loadfactor)。α越大，表越满，冲突的机会也越大。通常取α≤1。

　　散列函数的构造方法：

　　1、散列函数的选择有两条标准：简单和均匀。

　　简单指散列函数的计算简单快速；

　　均匀指对于关键字集合中的任一关键字，散列函数能以等概率将其映射到表空间的任何一个位置上。也就是说，散列函数能将子集k随机均匀地分布在表的地址集{0，1，…，m-1}上，以使冲突最小化。

　　2、常用散列函数

　　（1）直接定址法：比如在一个0～100岁的年龄统计表，我们就可以把年龄作为地址。

　　（2）平方取中法

　　具体方法：先通过求关键字的平方值扩大相近数的差别，然后根据表