hash冲突四种解决办法,hash冲突除了拉链法还有什么?

1. 看hashmap 源码,有个问题,key 存放是 先hash 再与hash值的高16位值  进行异或运算。再与槽位size() 求模取余。如果多个不同的key 得出de数组位置相同。则采用链表依次存储。

2. 那么除了拉链法还有什么其他解决hash冲突的方法呢?

    a. 建立公共溢出区

chatgpt3.5 answer:        

建立公共溢出区是一种处理哈希冲突的方法,它将所有哈希冲突的元素都放置在同一个溢出区中。这种方法可以简化哈希表的实现,但在查找和插入时需要额外的逻辑操作。

下面是建立公共溢出区的详细介绍:

  1. 初始化哈希表和公共溢出区:首先,初始化一个固定大小的哈希表和一个公共溢出区,用于存放所有哈希冲突的元素。

  2. 哈希函数计算位置:当要插入一个元素时,通过哈希函数计算该元素应该存放的位置。

  3. 检查位置:检查计算出的位置是否已经被其他元素占据。

  4. 处理冲突

    • 如果位置为空,则直接将元素插入该位置。
    • 如果位置已被占据:将新元素添加到公共溢出区中。
  5. 查找元素:当查找元素时,先在哈希表中查找,如果未找到,则再在公共溢出区中查找。

  6. 动态调整:随着元素的插入和删除,公共溢出区的大小可能需要动态调整,以保持合理的性能。

      使用公共溢出区的优点是简化了哈希表的实现,所有哈希冲突的元素都集中在一个地方,管理起来相对容易。然而,由于所有冲突元素都放在同一个区域,可能会导致这个区域的负载过重,影响查找和插入的效率,因此在设计时需要考虑如何平衡元素的分布。

总的来说,建立公共溢出区是一种处理哈希冲突的方法,适用于一些简单的应用场景,但在高负载情况下可能需要额外的优化和调整。

  b. rehash()

       同时构造多个不同的哈希函数,等发生哈希冲突时就使用第二个、第三个……等其他的哈希函数计算地址,直到不发生冲突为止。虽然不易发生聚集,但是增加了计算时间

 c. 链式地址法

     hashMap 采用的就是此种,拉链法:数组中,每个位置都存储一个链表。hash相同,则依次存入链表内

d.  开放地址法

    

当哈希表中出现哈希冲突时,开放寻址法是一种解决冲突的方法。它的主要思想是在发生冲突时,顺序地探查哈希表中的下一个位置,直到找到一个空闲的位置或者探查完整个哈希表。

开放寻址法通常有以下几种方式:

  1. 线性探测(Linear Probing):当发生哈希冲突时,顺序地检查下一个位置,直到找到一个空闲位置或者探查到了整个哈希表。新的元素会被插入到第一个空闲位置。

  2. 二次探测(Quadratic Probing):根据一个固定的增量序列来探测下一个位置,而不是简单地逐个检查。例如,第一次探测的增量是1,第二次是4,第三次是9,依此类推。

  3. 双重散列(Double Hashing):使用第二个哈希函数来计算探测的步长,而不是使用固定的增量序列。这样可以避免产生线性探测中的“聚集”现象。

无论使用哪种探测方法,开放寻址法都需要考虑以下问题:

  • 删除操作:在开放寻址法中删除元素时,不能简单地将对应的位置标记为空,因为这可能会影响后续查找其他元素的过程。一种解决方法是使用特殊的标记来表示该位置曾经存储过元素。

  • 装载因子:开放寻址法的装载因子(已占用位置数与总位置数的比值)不能太大,否则会导致探查时间过长。通常情况下,需要及时进行扩容操作来保持合理的装载因子。

开放寻址法相对于链地址法的优势在于内存访问更加连续,从而可以更好地利用 CPU 缓存,但它也需要更多的空间来解决哈希冲突。选择合适的哈希冲突解决方法取决于具体的应用场景和需求。

  • 18
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
拉链是一种哈希表中解决哈希冲突的方,它通过在哈希表中每个桶的位置上维护一个链表,将哈希到同一位置的元素都存储在该链表上。当需要查找某个元素时,首先计算该元素的哈希值,然后在对应的桶中查找与该元素哈希值相同的元素,如果该元素存在,则返回其对应的值;否则,返回不存在的信息。 以下是使用拉链解决哈希冲突的代码示例: ```python class Node: def __init__(self, key, val): self.key = key self.val = val self.next = None class HashMap: def __init__(self, capacity=1000): self.capacity = capacity self.table = [None] * capacity def put(self, key, value): index = hash(key) % self.capacity if self.table[index] is None: self.table[index] = Node(key, value) else: p = self.table[index] while p.next is not None: if p.key == key: p.val = value return p = p.next if p.key == key: p.val = value else: p.next = Node(key, value) def get(self, key): index = hash(key) % self.capacity p = self.table[index] while p is not None: if p.key == key: return p.val p = p.next return None ``` 在上面的代码中,我们定义了一个 `Node` 类来表示链表节点,它包含一个键值对和指向下一个节点的指针。我们还定义了一个 `HashMap` 类来表示哈希表,它包含一个固定大小的数组 `table`,每个元素都是一个链表的头节点。在插入元素时,我们首先计算出元素的哈希值,并将其存储到对应的桶中。如果该桶为空,则直接插入元素;否则,遍历链表,查找与该元素键相同的节点,如果找到,则更新其值;否则,在链表末尾插入新的节点。在查找元素时,我们首先计算出元素的哈希值,并在对应的桶中查找与该元素键相同的节点,如果找到,则返回其值;否则,返回 `None`。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值