1. what is Hash table
给定表M,存在函数f(key),对任意给定的关键字值key,代入函数后若能得到包含该关键字的记录在表中的地址。
则称表M为哈希(Hash)表,函数f(key)为哈希(Hash) 函数。
2. hash function
实际工作中需视不同的情况采用不同的哈希函数,通常考虑的因素有:
- 计算哈希函数所需时间
- 关键字的长度
- 哈希表的大小
- 关键字的分布情况
- 记录的查找频率
2.1 直接寻址法:
取关键字或关键字的某个线性函数值为散列地址。即H(key)=key或H(key) = a·key + b,其中a和b为常数(这种散列函数叫做自身函数)。若其中H(key)中已经有值了,就往下一个找,直到H(key)中没有值了,就放进去。
2.2 数字分析法:
分析一组数据,比如一组员工的出生年月日,这时我们发现出生年月日的前几位数字大体相同,这样的话,出现冲突的几率就会很大,但是我们发现年月日的后几位表示月份和具体日期的数字差别很大,如果用后面的数字来构成散列地址,则冲突的几率会明显降低。因此数字分析法就是找出数字的规律,尽可能利用这些数据来构造冲突几率较低的散列地址。
2.3 平方取中法:
当无法确定关键字中哪几位分布较均匀时,可以先求出关键字的平方值,然后按需要取平方值的中间几位作为哈希地址。这是因为:平方后中间几位和关键字中每一位都相关,故不同关键字会以较高的概率产生不同的哈希地址。
2.4 折叠法:
将关键字分割成位数相同的几部分,最后一部分位数可以不同,然后取这几部分的叠加和(去除进位)作为散列地址。
数位叠加可以有移位叠加和间界叠加两种方法。
移位叠加是将分割后的每一部分的最低位对齐,然后相加;间界叠加是从一端向另一端沿分割界来回折叠,然后对齐相加。
2.5 随机数法:
选择一随机函数,取关键字的随机值作为散列地址,通常用于关键字长度不同的场合。
2.6 除留余数法:
取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。即 H(key) = key MOD p,p<=m。不仅可以对关键字直接取模,也可在折叠、平方取中等运算之后取模。对p的选择很重要,一般取素数或m,若p选的不好,容易产生同义词。
3. hash collisions and solutions
3.1 hash collisions:
The hash function generates the same index for more than one key
3.2 Collision resolution:
3.2.1 开散列方法 之 Separate chaining(分离链接法)
将散列到同一个值的所有元素保留到一个链表中,无需预留任何更多的空间,只要系统的资源足够,任意多次的冲突都可以解决。
装载因子一般大于1 缺点:
- 节点需要动态申请,开销比正常高2个数量级
- 动态分配的空间未必在物理上连续分布,系统缓存几乎失效
3.2.2 Open addressing(开放寻址法) / closed hashing(闭散列)
无需向分离链接那样申请额外的空间,散列表所占用的空间在物理上始终是地址连续的一块,相应的所有的冲突都在这块连续空间中解决。
开放寻址法的装载因子不超过0.5。
如果有冲突发生,从这个单元往后,都按照某种优先级规则排成一个序列,而在查找的时候也是按着这个序列行进,每个词条对应的这个序列被称为探测序列or查找链。
3.2.2.1 开放定址法——线性探测(Linear Probing):
在线性探测法中,函数F是关于i的线性函数,典型的情形是F(i)=i。
当遇到冲突时,每次从i=0开始尝试,根据hi(x)= ( Hash(x) + F(I) ) % TableSize就可以计算出各自不相冲突的地址了。
事实上 linear probing 相当于逐个探测每个单元(必要时可以绕回)以查找出一个空单元。在物理上也具有了局部性。
缺点:冲突增加;删除操作复杂(解决办法:lazy delete,仅做一个删除标记,比如里面预留一个del变量,设置为TRUE)
3.2.2.2 更优化的方案: 开放定址法——平方探测(Quadratic Probing)
冲突函数F(i)是二次函数的探测方法。通常会选择f(i)=i^2。
4. two sum
/*
Given an array of integers, return indices of the two numbers such that they add up to a specific target.
You may assume that each input would have exactly one solution, and you may not use the same element twice.
整体思路:只遍历一次,在从前往后走的时候,每走一步找找是否在hash表里有我需要的数字,如果没有则把当前数字存进hash表
利用了hashtable的查找效率为O(1),实现整体复杂度为O(n)
注意要判断查找到的数字不是第一个数字,比如target是4,遍历到了一个2,那么另外一个2不能是之前那个2,
*/
class Solution
{
public:
vector<int> twoSum(vector<int>& nums, int target)
{
unordered_map<int, int> mymap;
for (int i = 0; i < nums.size(); ++i)
{
int t = target - nums[i];
//count : 返回是否找到被查找元素。如果有,返回1;否则,返回0
if (mymap.count(t))
{
return {mymap[t],i};
}
//把创建哈希表放在检验是否存在t的后面,可以避免查找到的t与当前遍历到的数字是同一个数字(因为这个时候还没创建哈希表,所以查找不到)
mymap[nums[i]] = i;
}
return {};
}
};
提交结果:
注意使用map和unordered_map的差别:map内部实现原理是红黑树,unordered_map内部实现原理是哈希表。
5. 202 happy number
//难点在于如何判断不是快乐数,结束无限循环
//思路:将每次计算的平方和放入hash table中,如果某次计算出的值在hash table中存在,则说明这个数不是快乐数
//unordered_set是用hash表实现的,使用unordered_set检查是否存在
class Solution
{
public:
//使用long防止溢出
long count(int n){
long ans = 0;
while(n!=0)
{
ans += (n%10)*(n%10);
n = n/10;
}
return ans;
}
bool isHappy(int n)
{
vector<int>test;
unordered_set<long>myset;
n=count(n);
while(n!=1)
{
count : 返回是否找到被查找元素。如果有,返回1;否则,返回0
if(myset.count(n))
return false;
myset.insert(n);
n=count(n);
}
return true;
}
};