开放寻址法

开放寻址法的装载因子

  给定一个能存放n个元素的、具有m个槽位的哈希表T，采用开放寻址法时T的装载因子为：$$\alpha =n/m，n\le m$$

开放寻址法

  解决哈希表(在一些文献中又称作散列表)冲突的方法有：链接法(chaining) 和 开放寻址法(open addressing)。本文讲解开放寻址法。
  在开放寻址法中，所有元素都存在哈希表里。也就是说，每个表项或包含动态集合的一个元素，或包含$NIL$(空)。当查找某个元素时，要系统地检查所有的表项，直到找到所需的元素或者最终查明该元素不在表中。在开放寻址法中，哈希表可能被填满，以至于不能插入任何新的元素，该方法导致的一个结果便是装载因子$\alpha$绝对不会超过1。
  开放寻址法的好处是其不使用指针，直接使用哈希函数来算出存取的位置，这样也可以加快存取速度。

插入关键字

  为了使用开放寻址法插入一个元素，需要连续地检查哈希表，或称为探查(probe)，直到找到一个空槽来放置待插入的关键字为止。检查的顺序依赖待插入的关键字。对于每一个关键字$k$，使用开放寻址法探查序列为$<h(k,0),h(k,1),\cdots ,h(k,m-1)>$，假设散列表T中的元素仅为关键字，关键字$k$等同于包含关键字$k$的元素。$T$中的每一个槽或包含一个关键字，或包含$NIL$(如果该槽为空)。$HASH-INSERT$过程以一个哈希表$T$和一个关键字$k$为输入，要么返回其关键字$k$的存储槽位，要么因为散列表已满而返回出错标志。

HASH-INSERT(T, k)
i=0
repeat
	j=h(k,i)
	if T[j] == NIL
		T[j] = k
		return j
	else i=i+1
until i==m
error “hash table overflow"

查找关键字

  查找关键字k的算法的探查序列与将k插入时的算法一样。因此，在查找的过程中碰到一个空槽时(该位置为NIL)，查找算法就停止，因为如果$k$在表中，它就应该在此处，而不会在探查序列随后的位置上。过程HASH-SEARCH的输入为一个哈希表$T$和一个关键字$k$，如果槽$j$中包含了关键字$k$，则返回$j$；如果$k$不存在$T$中，则返回$NIL$。

HASH-SEARCH(T, k)
i=0
repeat
	j=h(k,i)
	if T[j] == NIL
		T[j] = k
		return j
	else i=i+1
until i==m
return NIL

删除关键字

  从开放寻址法的哈希表中删除元素比较麻烦。当我们从槽$i$中删除关键字时，不能仅仅将其置为$NIL$来标识其为空。如果这样做，就会有问题：在插入关键字$k$时，发现槽$i$被占用了，则$k$就被插入到后面的位置上；如果此时将槽$i$中的关键字删除后，就无法检索到关键字$k$了。有个解决办法，就是在槽$i$中置一个特殊的值$DELETED$替代$NIL$来标记该槽。这样就要对过程$HASH-INSERT$做相应的修改，将这样的槽当做空槽，是得在此仍然可以插入新的关键字。对$HASH-SEARCH$无需做改动，因为它在搜索时会绕过$DELETED$标识。但是查找时间就不依赖于装载因子了。
  这里给出的算法参考了Knuth 6.4 Algorithm R(TAOCP)，该算法对应使用线性探测来确定关键字$k$插入位置的HASH-INSERT过程的关键字k删除算法。$HASH-LINEAR-PROBE-DELETE$过程以一个哈希表$T$和一个关键字$k$为输入。该过程没有使用删除标记$DELETED$这种方式，而是将关键字$k$删除后，将该位置之后的关键字做移动这种方式(即重新调整各个关键字的顺序)。
$(i+1) %m $

nextIndex(i,m)
return (i + 1 <= m + 1) ? (i+1) : 1

使用线性探测确定关键字$k$的索引

HASH-LINEAR-PROBE(T, k)
for i=0 to m-1
	index = (h(k) + i) mod m
	if T[index] == k or T[index] == NIL
		return index
return NIL

HASH-LINEAR-PROBE-DELETE(T, k)
i = HASH-SEARCH(T,k)
if T[i] == NIL
	return
T[i] = NIL
j = i
for i = i+1 to nextIndex(i,m)
	if T[i] == NIL
		return
	r = HASH-LINEAR-PROBE(T, T[i])
	if r == NIL //无法探测到T[i]应该存放的位置
		return
	if i <= r < j or r<j<i or j<i<=r  //r循环地位于i和j之间
		continue
	if r != NIL and r != i //T[i]存放的位置不应该是当前位置
		T[j] = T[i]
		T[i] = NIL
		j = i
		i = i+1

开放寻址法探查序列的计算方法

  有三种技术常用来计算开放寻址法中的探测序列：线性探查、二次探查和双重探查。这几种技术都能保证对每个关键字$k,<h(k,0),h(k,1),\cdots ,h(k,m-1)>$都是$<0,1,\cdots ,m-1>$的一个排列。但是，这些技术都不能满足均匀哈希的假设，因为它们能产生的不同探查序列数都不超过 $m^2$ 个(均匀散列要求有 $m!$ 个探查序列)。在三种技术中，双重探查产生的探查序列最多，似乎能给出最好的效果。

1. 线性探查(linear probing)
     给定一个普通的哈希函数$h^{\prime }:U\to 0,1,\cdots ,m-1$，称之为辅助哈希函数，线性探查方法采用的哈希函数为：
   $$h(k,i)=(h^{\prime }(k)+i)modm,i=0,1,\cdots ,m-1$$
   给定一个关键字$k$，首先探查$T[h^{\prime }(k)]$（此时的$i=0$），即由辅助哈希函数所给出的槽位。再探查$T[h^{\prime }(k)+1]$，以此类推，直至槽$T[m-1]$。然后又绕到槽$T[0]$，$T[1]$，$\cdots$，直到最后探查到槽$T[h^{\prime }(k)-1]$。在线性探查方法中，初始探查位置绝对了整个序列，故只有$m$种不同的探查序列。
     线性探查法比较容易实现，但它存在着一个问题，称为一次群集。随着连续被占用的槽不断增加，平均查找时间也随之不断增加。群集现象很容易出现，这是因为当一个空槽前有$i$个满的槽时，该空槽为下一个将被占用的概率是$(i+1)/m$。连续被占用的槽就会变得越来越长因而平均查找时间也会越来越大。
2. 二次探查
     二次探查采用如下形式的哈希函数：
   $$h(k,i)=(h^{\prime }(k)+c_{1}i+c_2{i}^2)modm,i=0,1,\cdots ,m-1$$
   其中$h^{\prime }$是一个辅助哈希函数，$c_1$和$c_2$为正的辅助常数，$i=0,1,\cdots ,m-1$。初始的探查位置为$T[h^{\prime }(k)]$，后续的探查位置要加上一个偏移量，该偏移量是一个关于$i$的二次函数。这种探查方法的效果比线性探查好得多，但是，为了能够充分利用哈希表，$c_1$、$c_2$和$m$的值要受到限制。此外，如果两个关键字的初始探查位置相同，那么它们的探查序列也是相同的，这是因为$h(k_1,0)=h(k_2,0)$蕴含着$h(k_1,i)=h(k_2,i)$。像线性探查一样，初始探测位置决定了整个序列，这样也仅有$m$个不同的探查序列。
3. 双重哈希
     双重哈希是用于开放寻址法的最好方法之一，因为它所产生的排列具有随机选择排列的许多特性。双重哈希采用如下的哈希函数：
   $$h(k,i)=(h_1(k)+i{h}_2(k))modm,i=0,1,\cdots ,m-1$$
   其中$h_1$和$h_2$均为辅助哈希函数。初始探查位置为$T[h_1(k)]$，后续的探查位置加上偏移量$h_2$。因此，不像线程探查或者二次探查，这里的探查序列以两种不同方式依赖于关键字$k$，因为初始探查位置、偏移量或者二者都可能发生变化。
     为了能查找整个哈希表，值$h_2(k)$必须要与表的大小$m$互素(习题11.4-4)。有一种简便的方法确保这个条件成立，就是$m$为2的幂，并设计一个总产生奇数的$h_2$。另一种方法是取m为素数，并设计一个总是返回较$m$小的正整数的函数$h_2$。
     一个结论：如果对某个关键字$k$，$m$和$h_2(k)$有最大公约数$d\ge 1$，则在对关键字$k$的一次不成功查找中，在返回槽$h_1(k)$之前，要检查散列表中$1/d$个元素。于是，当$d=1$时，$m$和$h_2(k)$互素，查找操作可能要检查整个哈希表。