算法设计与分析——散列表/哈希表（Hash Table）：完全散列

分类目录：《算法设计与分析》总目录
相关文章：
·散列表/哈希表（Hash Table）（一）：基础知识
·散列表/哈希表（Hash Table）（二）：直接寻址表
·散列表/哈希表（Hash Table）（三）：散列表原理
·散列表/哈希表（Hash Table）（四）：散列函数
·散列表/哈希表（Hash Table）（五）：开放寻址法
·散列表/哈希表（Hash Table）（六）：完全散列

---

使用散列技术通常是个好的选择，不仅是因为它有优异的平均情况性能，而且当关键字集合是静态时，散列技术也能提供出色的最坏情况性能。所谓静态，就是指一旦各关键字存入表中，关键字集合就不再变化了。一些应用存在着天然的静态关键字集合，如程序设计语言中的保留字集合，或者CD-ROM上的文件名集合。一种散列方法称为完全散列，如果该方法进行查找时，能在最坏情况下用$O(1)$次访存完成。

我们采用两级的散列方法来设计完全散列方案，在每级上都使用全域散列。下图描述了该方法：

第一级与带链接的散列表基本上是一样的：利用从某一全域散列函数簇中仔细选出的一个散列函数$h$，将$n$个关键字散列到$m$个槽中。

然而，我们采用了一个较小的二次散列表$S_j$及相关的散列函数$h_j$，而不是将散列到槽$j$中的所有关键字建立一个链表。利用精心选择的散列函数$h_j$，可以确保在第二级上不出现冲突。

但是，为了确保在第二级上不出现冲突，需要让散列表$S_j$的大小$m_j$为散列到槽$j$中的关键字数$n_j$的平方。尽管$m$对$n$的这种二次依赖看上去可能使得总体存储需求很大，但我们会在后面说明，通过适当地选择第一级散列函数，可以将预期使用的总体存储空间限制为$O(n)$。

我们采用的散列函数是《算法设计与分析——散列表[哈希表]（四）：散列函数》中的全域散列函数类。第一级散列函数选自类$m$，其中$p$是一个比任何关键字值都要大的素数。那些散列到槽$j$中的关键字通过利用一个从类${\mathcal{H}}_{p,m_j}$中选出的散列函数$h_j$，被重新散列到一个大小为$m_j$的二次散列表$S_j$中。

下面分两步进行。首先，要确定如何才能保证第二级散列表中不发生冲突。其次，要说明使用总体存储空间的期望数为$O(n)$，这里包括主散列表和所有的二级散列表所占的空间。

如果从一个全域散列函数类中随机选出散列函数$h$，将$n$个关键字存储在一个大小为$m=n^2$的散列表中，那么表中出现冲突的概率小于$\frac{1}{2}$。

上述引用所描述的情形（即$m=n^2$）中，对于一个从$\mathcal{H}$中随机选出的散列函数$h$，较有可能不发生冲突。给定待散列的包含$n$个关键字的集合$K$（注意$K$是静态的），只需几次随机的尝试，就能比较容易地找出一个没有冲突的散列函数$h$。

但当$n$比较大时，一个大小为$m=n^2$的散列表还是很大的。因此，我们采用两级散列方法，并利用上述的做法，对每个槽中的关键字仅进行一次散列。一个外层的（或称为第一级的）散列函数$h$用于将各关键字散列到$m=n$个槽中。那么，如果有$n_j$个关键字被散列到了槽$j$中，可以用一个大小为$m_j=n_j^2$的二级散列表$S$来提供无冲突的常数时间查找。

现在再来看看如何确保所用总体存储空间为$O(n)$的问题。由于第$j$个二级散列表的大小$m$以所存储的关键字数$n$的平方方式增长，因而存在着这样一种风险，即所需的总体存储空间量可能会很大。

如果第一级散列表的大小为$m=n$，则用于存储主散列表、大小为$m_j$的二级散列表，以及用于存储二次散列函数$h_j$的参数$a_j$和$b_j$的存储空间总量为$O(n)$。