搜索之散列表

• 散列表基础

散列表将数据映射到数据结构（数组、链表等）的相关位置，利用键与值之间的关系来达到快速搜索的目的，由于散列表将键与值联系起来，有时也称散列表为关联数组。

散列表映射键值得过程叫做散列（hashing）。键与值之间的函数关系，被称为散列函数，散列地址address = F(key)，一个简单的散列函数为address = key Mod lengthOfHashTable。良好的散列函数往往会将相似的元素散列到不同的位置。

当把足够多的的值存放到散列表中，总会出现键相同的情况，这就是所谓的冲突，这时我们需要一个解决冲突的方法来决定怎么处理冲突。

散列表必须能添加元素及搜索元素，至于删除元素虽然有用，但有些散列表并不提供删除方法。

正如上面所说，一个散列表至少包含三部分，存储数据的数据结构、将数值映射到数据结构中的散列函数、处理冲突的方法

 

•  链式散列表（分离链接法处理冲突，实际就是将散列表设计成链式的）

链式散列表即使用链表这种数据结构来构建散列表，这与稀疏数组十分类似，也可将之理解为“桶”或者邻接表的形式。

优点：对于链式散列表，由于使用的是链表这种灵活的数据结构，因此它不会出现散列表满或者散列冲突的情况；容易调整散列表大小（桶的数量）；能直接删除桶中元素，而不影响整个散列表的索引。

缺点：当数据量庞大时（N），由于桶的数量（M）不够，会导致单个桶变得“很深”，即数据很多，这时虽然找到元素所在桶的地址不难O（1），但想要找到搜索目标就得在桶中搜索O（N/M）的时间。

• 开放地址法

开放地址法是除链式散列表外另一种散列表的创建方式。开放地址法使用数组来创建散列表，因此这种散列表调整大小比较花费时间，一般是通过把原散列表复制到新散列表的形式来调整大小。

优点：相比于链式散列表，省去了搜索桶的时间，在填充度合理的情况下，搜索速度是非常快的

缺点：容易出现冲突；不能直接删除元素，只能采取标记的方式来删除元素。

搜索数据：

*** 若散列地址数据就是搜索目标，即工作完成。

*** 若在探测过程中发现空位置，则说明，目标不在散列表中。

*** 若散列表访问了N个元素（散列表长为N），则说明目标不在散列表中，因为此时程序已经进入到了一个序列的循环之中，需退出搜索，原因是若目标在散列表中，则在探测第N个位置只前，必定能找到目标。

解决冲突的方法：

探测序列：当插入新值时，由散列函数获得的插入位置已存在数据，此时即为散列冲突，此时我们需要给这个新值重新选择一个散列地址，简单的我们可以选择后面一个地址作为新的散列地址，此时若再次冲突，则需再次探测下下一个地址，这时的探测序列即为[0,1,2,3,4,...]，其他的探测序列还有[0,1^2,2^2,3^2,4^2,....]等

*** 线性探测

线性探测是探测序列为[0,1,2,3,4....]的探测方法。

线性探测往往具有主簇的缺点，即往往会形成段很长的完全被填满的序列，为什么会这样呢？原因是，比如一个元素插入在长为N的数组的K位置的概率为1/N,那么接下来在一个元素插入在K+1位置的概率为2/N(K位置冲突，探测下一个位置K+1)，如此一来，慢慢的一片长的序列就形成了。

主簇会影响散列表的搜索速度，由于大片长的序列的存在，当搜索一个元素时，可能要进行多次探测，当目标不存在时，甚至要探测N次。

*** 二次探测（平方探测）

二次探测是探测序列为[0,1^2,2^2,3^2,4^2,....]的探测方法。

类似于线性探测，二次探测具有二次簇的缺点，同时可能有很多空位置，也不被用到，即即使散列表没有满，也无法插入这个特定新元素

*** 伪随机探测

采用伪随机探测序列，伪随机之所以伪是因为它是人造的，对于伪随机数构造器，给定参数，输出的伪随机数组是一定的，因此，当冲突发生时，探测序列是不变的，即也会同线性探测、二次探测一样会产生簇，同样也会有很多空位置不被用到。

*** 双散列

在伪随机探测基础之上，进行了改进：对于不同的值发生冲突时，使用不同的参数来生成不同的伪随机序列。但还是会有很多空位置不被用到。

提高搜索速度：

有序序列的搜索速度肯定是要快于无序序列的，因此我们可以构建有序的链式散列表来提升索引速度。

构建有序散列表的方法：

当在插入元素时，若桶中元素为空，则直接插入，

否则比较元素值，若大于新元素，则将新元素插入在这个位置，然后转而重新散列这个大的元素，这可以用递归实现，

若小于新元素，则继续探测下一个地址。