算法导论——第八章——散列表

哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。具体的介绍网上有很详细的描述，如闲聊哈希表 ，这里就不再累述了；

哈希表在像Java、C#等语言中是与生俱来的。可是在C的世界中，似乎只有自己动手，丰衣足食；在网上google了一把，大致有几个版本，我会一一来分析对比；

首先先来交代一下哈希表实现中需要注意的一些概念：

（主要参考：这里）

1. 哈希函数

也叫散列函数，即：根据key,计算出key对应记录的储存位置
position = f(key)

散列函数满足以下的条件：

1、对输入值运算，得到一个固定长度的摘要(Hash value)；

2、不同的输入值可能对应同样的输出值；

以下的函数都可以认为是一个散列函数：

f(x) = x mod 16; (1)

f(x) = (x² + 10) * x; (2)

f(x) = (x | 0×0000FFFF) XOR (x >> 16); (3)

不过，仅仅满足上面这两条的函数，作为散列函数，还有不足的地方。我们还希望散列函数满足下面几点：

1、散列函数的输出值尽量接近均匀分布；

2、x的微小变化可以使f(x)发生非常大的变化，即所谓“雪崩效应”(Avalanche effect)；

上面两点用数学语言表示，就是：

1， 输出值y的分布函数F(y)=y/m, m为散列函数的最大值。或记为y~U[0, m]

2，|df(x)/dx| >> 1；

从上面两点，大家看看，前面举例的三个散列函数，哪个更好呢？对了，是第三个：

f(x) = (x | 0×0000FFFF) XOR (x >> 16);

它很完美地满足“好的散列函数”的两个附加条件。

2、哈希冲突（Hash collision）

也就是两个不同输入产生了相同输出值的情况。首先，哈希冲突是无法避免的，因此，哈希算法的选择直接决定了哈希冲突发送的概率；同时必须要对哈希冲突进行处理，方法主要有以下几种：

1， 链地址法

链地址法：对Hash表中每个Hash值建立一个冲突表，即将冲突的几个记录以表的形式存储在其中

2， 开放地址法

下面就来看看每种方法的具体实现吧：

链地址法：

举例说明： 设有 8 个元素 { a,b,c,d,e,f,g,h } ，采用某种哈希函数得到的地址分别为： {0 ， 2 ， 4 ， 1 ， 0 ， 8 ， 7 ， 2} ，当哈希表长度为 10 时，采用链地址法解决冲突的哈希表如下图所示。 

3.解决碰撞的方法主要有两种：

   链接法(chaining)：把散列到同一槽中的所有元素都存放在一个链表中。每个槽中有一个指针，指向由所有散列到该槽的元素构成的链表的头。如果不存在这样的元素，则指针为空。如果链接法使用的是双向链表，那么删除操作的最坏情况运行时间与插入操作相同，都为O(1)，而平均情况下一次成功的查找需要Θ(1+α)时间。

 开放寻址法(open addressing)：所有的元素都存放在散列表中。因此，适用于动态集合大小n不大于散列表大小的情况，即装载因子不超过1。否则，可能发生散列表溢出。在开放寻址中，当要插入一个元素时，可以连续地探查散列表的各项，直到找到一个空槽来放置待插入的关键字。探查的顺序不一定是0, 1, …, m-1，而是要依赖于待插入的关键字k。于是，将探查号作为散列函数的第二个输入参数。为了使所有的槽位都能够被探查到，探查序列<h(k,0), h(k,1), …, h(k,m-1)>必须是<0, 1, …, m-1>的一个排列。有三种技术常用来计算开放寻址法中的探查序列：线性探查、二次探查，以及双重探查。

  线性探查(linear probing)：使用的散列函数如下

h(k,i) = (h’(k) + i) mod m, i=0, 1, …, m-1

h’为一个普通的散列函数，见前面的介绍。线性探查存在一个称为一次群集的问题，即随着时间的推移，连续被占用的槽不断增加，平均查找时间也随着不断增加。但是，线性探查的优点在于，对m的取值没有特殊的要求。

    二次探查(quadratic probing)：使用的散列函数如下

h(k,i) = (h’(k) +c1 i + c2 i2) mod m, i=0, 1, …, m-1

为了能够充分利用散列表，c1、c2和m的值要受到限制。一种好的选择是，m为2的某个幂次(m=2p)，c1=c2=1/2。二次探查，不会顺序地探查每一个槽位，解决了一次群集问题。但是，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，这一性质导致一种程度较轻的群集现象，称为二次群集。

  双重散列(double hashing)：使用的散列函数如下

h(k,i) = (h1(k) + i h2(k)) mod m, i=0, 1, …, m-1

为能查找整个散列表，值h2(k)要与表的大小m互质。确保这一条件成立的一种方法是取m为2的幂，并设计一个总能产生奇数的h2。另一种方法是取m为质数，并设计一个总是产生较m小的正整数的h2。例如，可以取m为质数，h2(k)=1+(k mod m’)，m’=m-1。

4.散列函数

  多数散列函数都假定关键字域为自然数集。如果所给关键字不是自然数，则必须有一种方法将它们解释为自然数。这里，介绍三种主要的散列函数：

 

 除法散列法：通过取k除以m的余数，来将关键字k映射到m个槽的某一个中去，即散列函数为

h(k) = k mod m

当应用除法散列法时，要注意m的选择，这也是除法散列法的主要缺点。m不应是2的幂，因为如果m=2p，则h(k)就是k的p个最低有效位。相反，散列函数应该考虑关键字的所有位。可以选作m的值通常是与2的整数幂不太接近的质数。

乘法散列法：首先，用关键字k乘上常数A(0<A<1)，并抽取kA的小数部分；然后，用m乘以这个值，再取结果的底(即整数部分)。散列函数可表达为：

h(k) = ⌊m(kA mod 1)⌋

乘法方法的一个优点是对m的选择没有特别的要求，一般选择它为2的某个幂次(m=2p)。该方法对任何的A值都适用，但对某些值效果更好。A=(sqrt(5)-1)/2=0.6180339…是一个比较理想的值。

全域散列(universal hashing)：在执行开始时，从一族仔细设计的函数中，随机地选择一个作为散列函数。这里的随机选择针对的是一次对散列表的应用，而不是一次简单的插入或查找操作。散列函数的确定性，是查找操作正确执行的保证。全域散列法确保，当k!=l时，两者发生碰撞的概率不大于1/m。设计一个全域散列函数类的方法如下，该方法中，散列表大小m的大小是任意的。

选择一个足够大的质数p，使得每一个可能的关键字都落在0到p-1的范围内。设Zp表示集合{0, 1, …, p-1}，Zp*表示集合{1, 2, …, p-1}。对于任何a∈Zp*和任何b∈Zp，定义散列函数ha,b ha,b = ((ak+b) mod p) mod m 所有这样的散列函数构成的函数族为： Hp,m = {ha,b : a∈Zp*和b∈Zp} 由于对a来说有p-1种选择，对于b来说有p种选择，因而，Hp,m中共有p(p-1)个散列函数。

哈希实现代码：

#include "stdafx.h"
 #include <string.h>
 #include <stdio.h>
 #include <stdlib.h>
 
 typedef struct _node{
     char *name;
     char *desc;
     struct _node *next;
 }node;
 
 #define HASHSIZE 101
 static node* hashtab[HASHSIZE];
 
 void inithashtab(){
     int i;
     for(i=0;i<HASHSIZE;i++)
         hashtab[i]=NULL;
 }
 
 unsigned int hash(char *s){
     unsigned int h=0;
     for(;*s;s++)
         h=*s+h*31;
     return h%HASHSIZE;
 }
 
 node* lookup(char *n){
     unsigned int hi=hash(n);
     node* np=hashtab[hi];
     for(;np!=NULL;np=np->next){
         if(!strcmp(np->name,n))
             return np;
     }
     
     return NULL;
 }
 
 char* m_strdup(char *o){
     int l=strlen(o)+1;
     char *ns=(char*)malloc(l*sizeof(char));
     strcpy(ns,o);
     if(ns==NULL)
         return NULL;
     else
         return ns;
 }
 
 char* get(char* name){
     node* n=lookup(name);
     if(n==NULL)
         return NULL;
     else
         return n->desc;
 }
 
 int install(char* name,char* desc){
     unsigned int hi;
     node* np;
     if((np=lookup(name))==NULL){
         hi=hash(name);
         np=(node*)malloc(sizeof(node));
         if(np==NULL)
             return 0;
         np->name=m_strdup(name);
         if(np->name==NULL) return 0;
         np->next=hashtab[hi];
         hashtab[hi]=np;
     }
     else
         free(np->desc);
     np->desc=m_strdup(desc);
     if(np->desc==NULL) return 0;
     
     return 1;
 }
 
 /* A pretty useless but good debugging function,
 which simply displays the hashtable in (key.value) pairs
 */
 void displaytable(){
     int i;
     node *t;
     for(i=0;i<HASHSIZE;i++){
         if(hashtab[i]==NULL)
             printf("()");
         else{
             t=hashtab[i];
             printf("(");
             for(;t!=NULL;t=t->next)
                 printf("(%s.%s) ",t->name,t->desc);
             printf(".)");
         }
     }
 }
 
 void cleanup(){
     int i;
     node *np,*t;
     for(i=0;i<HASHSIZE;i++){
         if(hashtab[i]!=NULL){
             np=hashtab[i];
             while(np!=NULL){
                 t=np->next;
                 free(np->name);
                 free(np->desc);
                 free(np);
                 np=t;
             }
         }
     }
 }
 
 main(){
     int i;
     char* names[]={"name","address","phone","k101","k110"};
     char* descs[]={"Sourav","Sinagor","26300788","Value1","Value2"};
     
     inithashtab();
     for(i=0;i<5;i++)
         install(names[i],descs[i]);
     
     printf("Done");
     printf("If we didnt do anything wrong..""we should see %s",get("k110"));
     
     install("phone","9433120451");
     
     printf("Again if we go right, we have %s and %s",get("k101"),get("phone"));
     
     /*displaytable();*/
     cleanup();
     return 0;
 }