【数据结构】哈希表Hash Table

1. 什么是哈希表/散列表

哈希表（也称散列表）简单来说是构造了一种映射，它是根据关键码值(Key value)而直接进行访问的数据结构。我们可以把一维数组看作是一种简单的哈希表。

它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

散列函数可能会把两个不同的key映射到同一地址，此时就产生了冲突，这些发生碰撞的不同关键字key我们就成为同义词

2. 哈希函数的构造方法

构造哈希函数的注意事项：

1. 散列函数的定义域应包含全部的关键字key，值域取决于散列表的大小或地址的范围
2. 散列函数计算出的地址应能等概率的、均匀的分布在整个地址空间，以减少冲突的发生
3. 散列函数应尽量简单，以便在较短时间内计算出任意关键字对应的存储地址

2.1 直接定址法（使用较多）

直接取关键字的某个线性函数值为散列地址，散列函数为$H(key)=a\ast key+b$，其中a和b都为常数。
优点：简单，并且不会产生冲突

2.2 除留余数法（使用较多）

假定散列表表长为m，散列函数 $H(key)=key\%p$，其中p为不大于m但最接近或等于m的质数
除留余数法的关键是选好p

2.3 数字分析法

假设关键字集合中的每个关键字key都是由s位数字组成 $(k_1,k_2,k_3.......k_n)$ ,分析key中的全体数据，并从中提取分布均匀的若干位或他们的组合构成全体

例如对于某公司员工的电话号码，前七位都是非常相似的，第一位都是1、第二位都是3…，即数字分布不均匀（1、3出现的最多，而其他数字出现的少，若以此建立映射关系容易出现冲突）
而后四位分布较为均匀，因此选择后四位作为散列地址较好

适用情况：此种方法通常用于数字位数较长的情况，必须数字存在一定规律，其必须知道数字的分布情况

2.4 平方取中法

取关键字的平方值的中间几位作为散列地址，具体取多少位视实际情况而定。这种方法得到的散列地址与关键字的每一位都有关系，使得散列地址分布较为均匀。
适用情况：这种方法适合事先不知道数据并且数据长度较小的情况

例如：

2.5 折叠法

将关键字分割成位数相同的几部分（最后一部分的位数可能短一些），然后将这几部分的叠加和作为散列地址。

适用情况：关键字位数很多，而且关键字中每一位上数字分布大致均匀

3. 冲突的解决方案

3.1 开放地址法

开放地址法：将产生冲突的hash地址作为自变量，通过某种冲突解决函数得到一个新的空闲的hash地址

3.1.1 线性探测法

线性探测法：冲突发生时，顺序查看表中下一个单元（当探测到表尾地址m-1时，下一个探测地质为表首地址0），直到找出一个空闲单元。

线性探测法肯定能找到一个空闲单元

举例：$H(key)=key\%8$，待处理的元素有[9,10,11,19,27]
第一步：$9\%8=1$

下标	0	1	2	3	4	5	6	7	8
key		9

第二步：$10\%8=2$

下标	0	1	2	3	4	5	6	7	8
key		9	10

第三步：$11\%8=3$

下标	0	1	2	3	4	5	6	7	8
key		9	10	11

第四步：$19\%8=3$

下标	0	1	2	3	4	5	6	7	8
key		9	10	11	19

第五步：$27\%8=3$

下标	0	1	2	3	4	5	6	7	8
key		9	10	11	19	27

线性探测方法的局限性：会造成大量元素在相邻的散列地址上“聚集”起来，降低查找效率

3.1.2 平方探测法

平方探测法：设发生冲突的地址为d，平方探测法得到的新的地址序列为 $d+1^2、d-1^2、d+2^2、d-2^2、d+3^2、d-3^2.....$

平方探测法的优势：可以避免出现堆积问题

平方探测法的局限性：加减d的平方跨度太大，不能探测到散列表的所有单元，容易造成空闲单元的浪费，但至少能探测到一半的单元

3.1.3 再散列法

再散列法：又称双散列法。需要使用两个散列函数，当通过第一个散列函数$H(key)$得到的地址发生冲突时，则使用第二个散列函数$H2(key)$计算该关键字的地址增量

举例：
$H(key)=key\%8$，$Hash2(key)=key\%2$，则最终第 $i$ 个元素的散列地址$H_i=(H(key)+i\ast Hash2(key))\%m$，其中m是散列表的长度，i是冲突次数，i的初值=0

比如对于前面例子的第四步，插入19时，$19\%8=3$，产生了第一次冲突，则计算新的哈希值$H_i=(3+1\ast 1)\%9=4$，于是将19插入下标为4的位置

第四步：$H(key)19\%8=3，i=1，H_i=(3+1\ast 1)\%9=4$

下标	0	1	2	3	4	5	6	7	8
key		9	10	11	19

3.1.4 伪随机序列法

伪随机序列法：当发生冲突时，地址增量为伪随机数序列

3.2 拉链法

拉链法：把所有同义词存储在一个线性链表中，这个线性链表由其散列地址唯一标识

拉链法适用情况：适用于经常进行插入和删除的情况

例题

4. 复杂度分析

散列表的查找性能：和装填因子有关

装填因子：记为$\alpha$，表示一个表的装满程度。

$$\alpha =\frac{表中记录数n}{散列表长度m}$$

散列表的平均查找长度依赖于散列表的装填因子$\alpha$，而不直接依赖于n或m

$\alpha$越大，表示装填记录越满，发生冲突的可能性就越大

搜索复杂度：当没有碰撞时，搜索的复杂度为$O(1)$；当有碰撞时，搜索的复杂度为$O(K)$，其中K为冲突的个数

插入复杂度：$O(1)$

删除复杂度：$O(1)$

5. 例题

查找成功时的复杂度：

计算查找成功的复杂度时，可以水平画一条直线，第一条直线上有7个元素，这7个都是只查一次就可以查到的，因此为1 * 7。
接着画第二条直线，第二条直线上有2个元素，这2个都是只查一次就可以查到的，因此为2 * 2。
…
全部计算完成后累计加和，再除13

查找失败时的复杂度：

查找失败时的复杂度即为每条链表上结点个数的和/13