哈希表概述

哈希表

1. 定义

散列存储即在存储位置和存储内容之间建立一个对应关系f，使得存储位置 = f (key)，这个f 即被称为哈希(Hash)函数，又称散列函数，采用这种存储方式将记录存储在一块连续的存储空间中，这块空间即称为哈希表(Hash table) 或 散列表，关键字对应的记录位置称为散列地址。

2. 哈希函数的构造方法

冲突：当$\mathsf{k}\mathsf{e}\mathsf{y}1\ne \mathsf{k}\mathsf{e}\mathsf{y}2$，但$\mathsf{f}(\mathsf{k}\mathsf{e}\mathsf{y}1)=\mathsf{f}(\mathsf{k}\mathsf{e}\mathsf{y}2)$时，即为发生了冲突，所以在设计哈希函数时要使这种情况尽可能地少。

• 直接定址法

$\mathsf{f}\left(\mathsf{k}\mathsf{e}\mathsf{y}\right)=\mathsf{a}*\mathsf{k}\mathsf{e}\mathsf{y}+\mathsf{b}$

• 数字分析法

适用于关键字位数较大，且分布比较均匀时（例如电话号码），可以抽取关键字中的一部分（例如后四位）用于计算散列地址

• 平方取中法

适用于不知道关键字分布，重复频率又比较高的情况，例如若key = 1234，而1234² = 1522756，则取中间3为227为散列地址

• 折叠法

适用于关键字位数较大，且不知道分布时，可以将关键字分为相等的几部分，作和并按哈希表表长取后几位为散列地址。

• 除留取余法（常用）

对于哈希表长为m的散列函数公式为
$\mathsf{f}\left(\mathsf{k}\mathsf{e}\mathsf{y}\right)=\mathsf{k}\mathsf{e}\mathsf{y}\mathsf{m}\mathsf{o}\mathsf{d}\mathsf{p}(\mathsf{p}<=\mathsf{m})$
为了尽量减少冲突，使p为小于或等于表长m的最小质数或不包含小于20质因子的合数

• 随机数法

适用于关键字长度不等的情况
$\mathsf{f}\left(\mathsf{k}\mathsf{e}\mathsf{y}\right)=\mathsf{r}\mathsf{a}\mathsf{n}\mathsf{d}\mathsf{o}\mathsf{m}\left(\mathsf{k}\mathsf{e}\mathsf{y}\right)$

3. 处理冲突的方法

1）开放定址法

• 线性探测法：一旦发生冲突，就去找下一个地址，直到找到空位为止。公式：

${\mathsf{f}}_{\mathsf{i}}(\mathsf{k}\mathsf{e}\mathsf{y})=(\mathsf{f}(\mathsf{k}\mathsf{e}\mathsf{y})+{\mathsf{d}}_{\mathsf{i}})\mathrm{m}\mathrm{o}\mathrm{d}\mathsf{m}({\mathsf{d}}_{\mathsf{i}}=1,2,3,\dots ,\mathsf{m}-1)$

例如若关键字集合为{12,67,56,16,25,37,22,29,15,47,48,34}，我们使$\mathsf{f}(\mathsf{k}\mathsf{e}\mathsf{y})=\mathsf{k}\mathsf{e}\mathsf{y}\mathsf{m}\mathsf{o}\mathsf{d}12$，在存储前5个数时都没有产生冲突，如表

下标	0	1	2	3	4	5	6	7	8	9	10	11
关键字	12	25			16			67	56

但是当key = 37时，37 mod 12 = 1，与25所在的位置冲突，于是我们用上面的公式，$\mathsf{f}(37)=(\mathsf{f}(37)+1)\mathsf{m}\mathsf{o}\mathsf{d}12=2$，所以将37存入下标为2的位置。

下标	0	1	2	3	4	5	6	7	8	9	10	11
关键字	12	25	37		16			67	56

接下来22, 29, 15, 47都没有冲突

下标	0	1	2	3	4	5	6	7	8	9	10	11
关键字	12	25	37	15	16	29		67	56		22	47

当key = 48时，$\mathsf{f}(48)=0$，与12所在位置冲突，则$\mathsf{f}(48)=(\mathsf{f}(48)+1)\mathsf{m}\mathsf{o}\mathsf{d}12=1$，又与25所在位置冲突，继续$\mathsf{f}(48)=(\mathsf{f}(48)+2)\mathsf{m}\mathsf{o}\mathsf{d}12=2$，还是与37所在位置冲突…这样直到$\mathsf{f}(48)=(\mathsf{f}(48)+6)\mathsf{m}\mathsf{o}\mathsf{d}12=6$，才不再冲突，存入下标为6的位置。

下标	0	1	2	3	4	5	6	7	8	9	10	11
关键字	12	25	37	15	16	29	48	67	56		22	47

这种解决冲突的开放定址法称为线性探测法。而48本来和37不是同义词，但却需要争夺同一个地址，这种现象称为堆积。

• 二次探测法

增加平方运算使得关键字不会聚集在某一块区域，并且双向寻找可能的空位置，公式：

${\mathsf{f}}_{\mathsf{i}}(\mathsf{k}\mathsf{e}\mathsf{y})=(\mathsf{f}(\mathsf{k}\mathsf{e}\mathsf{y})+{\mathsf{d}}_{\mathsf{i}})\mathrm{m}\mathrm{o}\mathrm{d}\mathsf{m}({\mathsf{d}}_{\mathsf{i}}=1^2,-(1^2),2,-(2^2),\dots ,{\mathsf{q}}^2,-({\mathsf{q}}^2),\mathsf{q}\le \mathsf{m}/2$

• 随机探测法
  令d_i为一组伪随机数列

2）再散列法

${\mathsf{f}}_{\mathsf{i}}(\mathsf{k}\mathsf{e}\mathsf{y})=\mathsf{R}{\mathsf{H}}_{\mathsf{i}}(\mathsf{k}\mathsf{e}\mathsf{y})(\mathsf{i}=1,2,\dots \mathsf{k})$

即事先准备多个散列函数，如果发生冲突就替换至RH_I

3）链地址法

我们可以先将所有同义词存在同一个单链表中，即为同义词子表，然后在哈希表中存储所有同义词子表的头指针即可。

4）公共溢出区法

将所有有冲突的关键字存储在溢出区内，在查找使先在基本表中查，如果查不到再顺序查找溢出区，适用于冲突较少的情况。

4. 性能分析

影响平均查找长度的因素：
如果没有冲突，散列查找的时间复杂度为O(1)

1. 散列函数是否均匀
   但不同的散列函数对同一组随机的关键字，产生冲突的可能性时相同的，因此我们可以不考虑它对平均查找长度的影响。
2. 处理冲突的方法
   线性探测法处理冲突时产生堆积的可能性就比二次探测法要大，而链地址法不会产生任何堆积，因而具有更加的平均查找性能。
3. 装填因子$\alpha$
   $\alpha =$ 填入表中的记录个数/散列表长度，标志着散列表的装满程度，$\alpha$越大，产生冲突的可能性越大。例如散列表长度为12，填入的关键字个数为11，那么此时$\alpha =11/12=0.9167$，那么填入最后一个关键字时产生冲突的可能性就非常大了。

来源：《大话数据结构》