0x14 Hash

0x14 Hash

1.Hash表

Hash表又称为散列表，一般由Hash函数（散列函数）与链表结构共同实现。与离散化思想类似，当我们要对若干复杂信息进行统计时，可以使用Hash函数把这些复杂信息映射到容易维护的值域上来。因为值域变简单、范围变小，有可能造成两个不同的原始信息被Hash函数映射为相同的值，所以我们需要处理这种出现冲突的情况。

有一种称为“开散列”的解决方案是，建立一个领接表结构，以Hash函数的值域作为表头数组head，映射后值相同的原始信息被分到同一类，构成一个链表接在对应的表头之后，链表的节点上可以保存一些原始信息和统计数据。

Hash表主要包括两个基础操作：

1.计算Hash函数的值。

2.定位到对应链表中依次遍历、比较。

当Hash函数设计较好时，原始信息会比较均匀的分布在各个表头之后，从而使每次查找、统计的时间降到“原始信息总数除以表头数组长度”。若原始信息总数和表头数组长度都是$O(n)$级别且Hash函数分散均匀，几乎不产生冲突，则每次查找、统计的时间复杂度期望都是$O(1)$。

2.字符串Hash

下面介绍的字符串Hash函数把一个任意长度的字符串映射成一个非负整数，并且其冲突概率几乎为零。

取一固定值P，把字符串看作P进制数，并分配一个大于0的数值，代表每种字符。一般来说，我们分配的数值都远小于P。例如，对于小写字母构成的字符串，可以令a=1，b=2，c=3，...，z=26。取一个固定值M，求出该P进制数对M的余数，作为该字符串的Hash值。

一般来说，我们取P=131或P=13331，此时Hash值产生冲突的概率极低，只要Hash值相同，我们就可以认为原字符串是相等的。通常我们取$M=2^{64}$，即直接使用unsigned long long类型存储这个Hash值，在计算时不处理算术溢出问题，产生溢出时相当于直接对$2^{64}$取模，这样可以避免低效的取模(mod)运算，同时也可以避免负数出现问题。

除了在极特殊构造的数据上，上述Hash函数很难出现冲突，一般情况下上述Hash函数完全可以出现在题目的标准解答中。我们还可以多取一些恰当的P和M的值（例如大质数），多进行几组Hash运算，当结果都相等时可以认为原字符串相等，就更难以构造出产生Hash冲突的值。

对于字符串的各种操作，我们都可以反映到P进制数的运算上。

已知字符串S的Hash值为$H(S)$，那么新字符串S+c的Hash值就是$H(S+c)=(H(S)\ast p+value[c])modM$。其中乘P相当于P进制下的左移运算，$value[c]$是我们为c选定的代表数值。

如果字符串S的Hash值为$H(S)$，字符串S+T的Hash值便为$H(S+T)$，那么字符串T的Hash值便为$H(T)=H(S+T)-H(S)\ast p^{length(T)}\mathrm{mod}M$。

例如，S="abc"，​c="d"​，则：

S表示为P进制数 ：1 2 3

$H(S)=1\ast p^2+2\ast p+3$

$H(S+c)=1\ast p^3+2\ast p^2+3\ast p+4=H(S)\ast p+4$

根据上面两种操作我们可以在$O(N)$的时间里预处理字符串所有前缀Hash值，并在$O(1)$的时间里查询它的任意子串的Hash值。