文章目录
1.哈希概念
顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。
顺序查找时间复杂度为O(N)
,平衡树中为树的高度,即O(log2N )
,搜索的效率取决于搜索过程中元素的比较次数。
所以我们期待有没有一种方法,可以不经过任何比较,一次直接从表中得到要搜索的元素。 如果构造一种存储结构,通过某种函数(
hashFunc
)使元素的存储位置与它的关键码之间能够建立一一映射的关系,那么在查找时通过该函数可以很快找到该元素。
该方式即为哈希(散列)方法,哈希方法中使用的转换函数称为哈希(散列)函数,构造出来的结构称为哈希表(Hash Table)
(或者称散列表)
当向哈希结构中:
- 插入元素
根据待插入元素的关键码,以此函数计算出该元素的存储位置并按此位置进行存放
- 搜索元素
对元素的关键码进行同样的计算,把求得的函数值当做元素的存储位置,在结构中按此位置取元素比
较,若关键码相等,则搜索成功
借助哈希函数,将数据与其存储位置之间建立一一对应的关系,然后再查找时按照类似的方式进行查找可以达到时间复杂度为O(1)
简单来说
如果在存储数据时,通过某种方式,将数据与其存储结构之间建立一种一一对应的映射关系,查找时再按照该种映射方式来进行查找,就称为哈希
2.哈希碰撞(哈希冲突)
- 不同的元素,在往哈希表中存储时,通过哈希函数计算出了相同的位置,即多个元素要插在同一个位置,该种现象称为哈希冲突或哈希碰撞
2.1哈希冲突产生原因
- 产生哈希冲突首先要考虑到哈希函数是否设计的合理,如果不合理要重新设计一款哈希函数
2.1.1哈希函数设计原则
- 哈希函数的定义域必须包括需要存储的全部关键码,而如果散列表允许有
m
个地址时,其值域必须在0
到m-1
之间 - 哈希函数计算出来的地址能均匀分布在整个空间中
- 哈希函数应该比较简单
2.1.2常见哈希函数
1.直接定址法
- 取关键字的某个线性函数为散列地址:
Hash(Key)= A*Key + B
- 优点:简单、均匀
- 缺点:需要事先知道关键字的分布情况
- 使用场景:适合查找比较小且连续的情况
2. 除留余数法
- 设散列表中允许的地址数为
m
,取一个不大于m
,但最接近或者等于m
的质数p
作为除数,按照哈希函数:Hash(key) = key% p(p<=m)
,将关键码转换成哈希地址
3. 平方取中法
- 假设关键字为
1234
,对它平方就是1522756
,抽取中间的3
位227
作为哈希地址 - 再比如关键字为
4321
,对它平方就是18671041
,抽取中间的3
位671
(或710
)作为哈希地址 - 平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况
4. 折叠法
- 折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些),然后将这几部分叠加求和,并按散列表表长,取后几位作为散列地址。
- 折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况
5. 随机数法
- 选择一个随机函数,取关键字的随机函数值为它的哈希地址,即
H(key) = random(key)
,其中random
为随机数函数。 - 随机数法适合关键字长度不等时使用
无论一个哈希函数设计的多精妙,都无法绝对的解决哈希冲突,哈希函数设计的越精妙,让发生冲突的概率降低
2.2 处理哈希冲突的方法
1.闭散列
定义
也叫开放定址法,当发生哈希冲突时,如果哈希表未被装满,说明在哈希表中必然还有空位置,那么可以把key
存放到冲突位置中的“下一个” 空位置中去。
❓那如何寻找下一个空位置呢?
1.1线性探测
-
找下一个空位置的方式
逐个挨着依次往后进行查找,直到寻找到下一个空位置为止。 -
插入
1.通过哈希函数获取待插入元素在哈希表的位置
2.如果该位置没有元素则直接插入新元素,如果该位置中有发生哈希冲突,使用线性探测找到下一个空位置,插入新元素 -
删除
1.采用闭散列处理哈希冲突时,不能随便物理删除哈希表中已有的元素,若直接删除元素会影响其他元素的搜索。
2.因此线性探测采用标记的伪删法来删除一个元素 -
优点
简单 -
缺点
容易产生数据的堆积,一旦发生哈希冲突,冲突的元素容易堆积在一起,容易产生数据“堆积”,即:不同关键码占据
了可利用的空位置,使得寻找某关键码的位置需要许多次比较,导致搜索效率降低。
如何缓解呢?
1.2二次探测
-
找下一个空位置方式
线性探测的缺陷是产生冲突的数据堆积在一块,这与其找下一个空位置有关系,因为找空位置的方式就是挨着往后逐个去找,因此二次探测为了避免该问题
二次探测不是探测两次, 查找删除插入线性探测第一步都相同,通过哈希函数计算元素在表格中的位置,假设计算出来的位置是H0
,假设是第i
次探测,H(i) = H(0) + i^2
,找下一个空位置的方法为:= ( + )% m
,或者:= ( - )% m
。其中i=1,2,3…
, 是通过散列函数Hash(x)
对元素的关键码key
进行计算得到的位置,m
是表的大小 -
越界
随着i
的不断增大,H(0) + i^2
可能会超过哈希的容量,如果越界了,我们该怎么解决?
我们不能把哈希地址放到0
号位置(可能造成死循环),因为探测的次数越多,i
比较大,2*i+ 1
可能已经超过表格大小
越界的解决办法是让哈希地址%
哈希容量 -
删除
删除时不能直接将EXIS
T修改为EMPTY
,否则会导致改位置之后发生冲突的元素无法找到了
所以需要第三种状态,DELETE
,表明该位置元素已经被删除了
// 哈希表每个空间给个标记
// EMPTY此位置空, EXIST此位置已经有元素, DELETE元素已经删除
enum State{
EMPTY, EXIST, DELETE};
❓那删除的位置可以插入新元素吗?
-
如果要求哈希表元素唯一,则删除的位置不能插入新元素
-
如果没有要求,则可以插入新元素
哈希负载因子
-
哈希负载因子的计算方式:有效元素的个数/表格的总容量的比率,所以负载因子永远都是小于1的
-
一般情况下:线性探测的负载因子控制在
0.7
,二次探测的负载因子控制在0.5~0.6
随着哈希表中元素的不断增多,产生哈希冲突的概率也在不断的上升,当元素插入到一定程度,哈希冲突的概率可能会急剧上升,因此哈希表中元素是不会将表格填充满的,但是如果给哈希表太大的空间,会造成空间的浪费,因此闭散列最大是缺点是空间利用率比较低,这也是哈希的缺点
2.开散列
1.定义
开散列法又叫链地址法(开链法),首先对关键码集合用散列函数计算散列地址,具有相同地址的关键码归于同一子集合,每一个子集合称为一个桶,各个桶中的元素通过一个单链表链接起来,各链表的头结点存储在哈希表中。
可以看出开散列每个桶中放置的元素都是哈希冲突的元素
2.实现
HashBucket.hpp
#pragma once
#include <vector>
#include "Common.h"
#include <iostream>
using namespace std;
//哈希桶中管理的是一个一个的链表
template<class T>
struct HashBucketNode
{
HashBucketNode(const T& x = T())
:next(nullptr)
, data(x)
{
}
HashBucketNode<T>* next;
T data;
};
//前置声明
template<class T, class KOFD, class DToI = DToIntDef<T>>
class HashBucket;
template<class T, class DToI = DToIntDef<T>>
struct HashBucketIterator
{
typedef HashBucketNode<T> Node;
typedef HashBucketIterator<T, DToI> Self;
public:
HashBucketIterator(Node* node = nullptr, HashBucket<T, DToI>* _ht = nullptr)
:_node(node)
, _ht(_ht)
{
}
//具有指针类似的操作
T& operator*()
{
return _node->data;
}
T* operator->()
{
return &(operator*());
}
//迭代器要能够移动
//单链表只能单向
Self& operator++()
{
Self temp(*this);
Next();
return temp;
}
//需要能够比较
bool operator