《数据结构》学习笔记-第九章 词典（call-by-value）

Hashing（哈希/散列：赖以高效组织数据并实现相关算法的重要思想）

1.原理

首先要明确为什么要使用散列。
以电话簿为例，可能的电话R=10⁸=100M，实有的电话N=25000=25K。
如果用数组来实现电话的查询，虽然时间效率是常数，但是空间效率=N/R=0.025%，太低了不可取，所以我们需要散列。

散列原理

使用定址可以将关键码映射至散列空间，但是会存在冲突，即不同的关键码映射到同一个词条

2.评价标准与设计原则

3.设计散列表he散列函数（尽可能得降低冲突的概率，越随机越好）

（1）除余法 hash（key）=key%MM取素数时，数据对散列表的覆盖最充分，分布最均匀

（2）MAD法（multiply-add-divide）

（3）数字分析（select digits）

（4）平方取中（mid-square）

（5）

（6）

（7）（伪）随机数法（慎用！！！因为随机数发生器的不确定性，创建的散列表可移植性差）


（8）多项式法（针对字符串）

（9）近似多项式法（非常适用于英文字符串）

static size_t hasnCode(char s[]){
	int h=0;
	for(size_t n=strlen(s),i=0;i<n;i++){
		h=((h<<5)|h>>27);//数位变换，32位二进制转换，前5个和后27个互换位置
		h+=(int)s[i];//累计
	}
	return size_t;
} 

4.制定可行的预案，排解冲突

4.1 基本方法（封闭地址/开放地址）

（1）多槽位（multiple slots）

但是每个桶配备多少个槽位是难以预测的

（2）独立链（linklist-chaining/separate chaining）——封闭地址（发生冲突时申请额外的空间）

（3）公共溢出区（over-flow area）

但是一旦发生冲突，处理冲突词条的时间将正比于溢出区的规模

（4）开放地址/闭散列（散列表所占的空间在物理上始终是地址连续的一块，所有冲突在连续的空间中排解）

那么该如何组织查找链呢？

1.线性试探——插入

template <typename K,typename V> int Hashtable<K,V>::probe4Hit(const K& k){
	int r=hashCode(k) %M;//从首个桶起沿查找链，跳过所有冲突和被懒惰删除的桶
	while(hr[r]&&(k!=hr[r]->key)||!ht[r]&&laziRemoved(r))
		r=(r+1)%M;//线性试探（注意并列判断的次序，命中可能性更大者前置）
	return r;//调用者根据ht[r]是否为空，即可判断查找是否成功 
} 

2.惰性删除

template  <typename K,typename V> int Hashtable<K,V>::probe4Free(const K& k){
	int r=hashCode(k) %M;//从首个桶起
	while(ht[r])
		r=(r+1)%M;
		return r; 
template  <typename K,typename V> int Hashtable<K,V>::probe4Free(const K& k){
	int r=hashCode(k) %M;//从首个桶起
	while(ht[r])
		r=(r+1)%M;//沿查找链找到的第一个空桶 
	return r; //调用者根据ht[r]是否为空，即可判断查找是否成功 
}
}

4.2 改进

（1）平方试探
由于开放地址的物理结构更为紧凑，所以性能更好，对于大规模数据更有优势，但是对于线性试探会存在大量不该发生的冲突，因为它的试探位置间距太近。所以改进方式为拉大间距

优点 缓解数据聚集

缺点

1.破坏数据访问的局部性，若涉及外存，I/O激增（但是通常情况下，缓存页面都在若干KB左右，这里以1KB为例，如果一个桶单元记录引用，那么只需要4字节，每一个缓存页面就可以容纳1000/4约256（16²）个桶单元，相应的每一次额外的I/O兑换，则要连续发生十六次冲突）

2.存在空桶会不被发现的情况

（装填因子为什么必须小于0.5呢？因为上图中的第二段可以看出，装填因子=6/11>0.5,导致空桶没被找出）

（2）双向平方试探
此时，我们已经可以保证，在起始于任何一个位置的平方探测我们的[M/2]上者必然会彼此互异，但是下者却得不到这样的保证，所以要进一步改进，这样可以进一步提高装填因子。

但是并不是所有素数都可以遍及，如下图所示（4k+3结论来源于双平方定理：任一素数p可表示为一对整数的平方和，当且仅当p%4=1）

（3）重散列

5.应用

5.1 桶/计数排序