【数据结构】【哈希】哈希表的概念和算法实现

在查找相关资料时，遇到了一篇写的很好的讲解哈希表的文章，完全没有接触过哈希表的可以先看这篇：来吧！一文彻底搞定哈希表！
我来对两点稍作总结：

• 设计一个好的哈希函数（解决映射问题）
• 处理冲突的方式

1 哈希表的概念

在算法题中，有这样一类题：对较大的数据范围（eg.0 ~ 10⁹）中较少个数的数（eg.10⁵）进行处理，也就是“大值域，个数少”问题，我们往往会选择将 10⁹ 范围映射到 10⁵ 中（eg: x mod 10⁵），这个映射的过程就是通过哈希函数find(x)（也叫散列函数）来实现的。
哈希表（也叫散列表）是一种高效查找的数据结构，平均时空复杂度为O(1)。它的实现逻辑很简单：（eg.查找一个数x）

• 找一个数x
• 通过哈希函数find()得出x应该在哈希表h[]的存储位置
• 若h[find(x)] == x说明找到了，find(x)为存储位置
  若h[find(x)] != x说明未找到，find(x)为x在h[]中应该存储的位置

在查找过程中不涉及遍历操作，无论查找多少次，都可以在一次计算后找到目标，耗时/耗空都为常量，所以时空复杂度为O(1)。（平均来看）
在不考虑冲突的情况下，find(x)函数是一次计算，如果有冲突的话，最坏的情况需要遍历，这时时间复杂度就是O(n)了，所以，哈希查找高性能的关键就是怎样设计一个好的哈希函数find()来减少冲突。同时，我们也应掌握处理冲突的方式。

2 哈希函数的设计

哈希函数的设计有很多方法：直接定址法、数字分析法、平方取中法、折叠法、除留余数法、随机数法。在算法题中，我们常常选用除留余数法。
假定散列表长为N，我们可以任取P(P <= N)，除留余数的一般实现形式为：x mod P。
这里需要注意两点：
①由于余数的约定为正数，但在C++中，负数的余数是负数，所以我们的映射关系可以设计为：(x mod P + P) mod P
②根据经验所谈，P的选择一般是接近数据规模N的质数。因为这里求质数没有时间要求，所以我们可以简单的这样计算出> N的最近的质数：

const int N = ...;
for(int i = N; ;i ++){
	bool flag = true;
	for(int j = 2; j * j <= i; j ++){
		if(i % j == 0){
			flag = false;
			break;
		}
	}
	if(flag){
		cout << i << endl;
		break;
	}
}

3 处理冲突的方式

哈希函数可能会出现冲突，即find(x1) = find(x2)，对于这样的情况我们给出两种解决方式：

• 开放寻址法
• 拉链法

开放寻址法和拉链法都很常用，看习惯了，我个人感觉开放寻址法简单些，用着顺手。

3.1 开放寻址法

插入x时，如果出现冲突，则往后一个位置插入，直到没有空间。为了保证哈希表h[]有足够多的空间，在初始化时h[]往往需要开到数据量N的2~3倍。
在算法实现时，不论是插入还是查找都可以用一个find()函数来实现：

const int P = 200003, null = 0x3f3f3f3f;
// main
memset(h, 0x3f, sizeof h);

// find()
int find(int x){
    int t = (x % N + N) % N;
    while(h[t] != null && h[t] != x){
        t ++;
        if(t == N) t = 0;	// 遍历到末尾的话再转回来
    }
    return t;   // 若在哈希表中，t为下标(h[t] == x)；若不在哈希表中，t为应该存储的位置（h[t] == null）
}

注意：
①为了方便我们把N和P统一了，就把靠近N的那个质数P当作N就可以。
②可以观察到在find()前面我多加了h[]的初始化过程：哈希表的每个槽位初始值应该为：null。题目的数据规模是10^-9~10⁹，所以null可设为0x3f3f3f3f，这个值比10⁹多一点，可以作为null。
同时要注意一点就是memset()函数是按字节赋值，因为int是4个字节，所以每个字节赋值为0x3f就可以将每个槽位初始化为0x3f3f3f3f。
大部分情况下memset()的赋值都会选用0或-1，更多关于memset()的使用可参考：memset函数及其用法，C语言memset函数详解。

3.2 拉链法

拉链法就是将每个槽位看成单链表，初始值为空，每进来一个就插入一个结点即可。
拉链法在初始化时h[]开到N即可，相比开放寻址法，它付出的额外空间复杂度在链表上了。
同时，它需要insert()和find()两个函数来实现：

const int N = 100003;

int h[N], e[N], ne[N], idx;

void insert(int x)
{
    int k = (x % N + N) % N;
    e[idx] = x;
    ne[idx] = h[k];
    h[k] = idx ++ ;
}

bool find(int x)
{
    int k = (x % N + N) % N;
    for (int i = h[k]; i != -1; i = ne[i])
        if (e[i] == x)
            return true;

    return false;
}

如果不熟悉单链表的操作可以参考：【数据结构】单链表、双链表的算法实现

4 总代码

哈希这里往往只用实现插入和查找两个操作，删除操作很少涉及。
题目链接：模拟散列表

4.1 除留余数法 + 开放寻址法

#include <cstring>
#include <iostream>

using namespace std;

const int N = 200003, null = 0x3f3f3f3f;

int h[N];

int find(int x)
{
    int t = (x % N + N) % N;
    while (h[t] != null && h[t] != x)
    {
        t ++ ;
        if (t == N) t = 0;
    }
    return t;
}

int main()
{
    memset(h, 0x3f, sizeof h);

    int n;
    scanf("%d", &n);

    while (n -- )
    {
        char op[2];
        int x;
        scanf("%s%d", op, &x);
        if (*op == 'I') h[find(x)] = x;
        else
        {
            if (h[find(x)] == null) puts("No");
            else puts("Yes");
        }
    }

    return 0;
}

4.2 除留余数法 + 拉链法

#include <cstring>
#include <iostream>

using namespace std;

const int N = 100003;

int h[N], e[N], ne[N], idx;

void insert(int x)
{
    int k = (x % N + N) % N;
    e[idx] = x;
    ne[idx] = h[k];
    h[k] = idx ++ ;
}

bool find(int x)
{
    int k = (x % N + N) % N;
    for (int i = h[k]; i != -1; i = ne[i])
        if (e[i] == x)
            return true;

    return false;
}

int main()
{
    int n;
    scanf("%d", &n);

    memset(h, -1, sizeof h);

    while (n -- )
    {
        char op[2];
        int x;
        scanf("%s%d", op, &x);

        if (*op == 'I') insert(x);
        else
        {
            if (find(x)) puts("Yes");
            else puts("No");
        }
    }

    return 0;
}

5 参考

[1] AcWing（dbq之前一直没给这个链接）
[2] 【数据结构】单链表、双链表的算法实现
[3] 来吧！一文彻底搞定哈希表！
[4] memset函数及其用法，C语言memset函数详解