数据结构与Python算法——哈希算法

哈希函数

• 除法哈希算法
  • 用一个关键字去除以一个特定的质数，所得的余数就是该关键字的哈希值。通过 x 除以 m 的余数将关键字映射到数组的 m 个位置中。哈希函数公式为 h(x) = x mod m。注意，在选择 m 的值时，尽量选择质数，免得出现过多的多个关键字映射到同一个位置的情况，降低哈希函数的效率。
• 乘法哈希算法
  • 对给定的长度为 m 的数组，用关键字 x 乘以一个常数 N，N 的值为大于 0 并小于 1 的一个小数，并提取出 Nx 的小数部分。之后，用 m 乘以这个小数，再向下取整。
    1. 哈希函数公式为 h(x) = ⌊ m (Nx mod 1)⌋
    2. 其中 Nx mod 1 的意思就是 Nx 的小数部分。
    3. 相对于除法哈希算法，乘法哈希算法对于数组的长度 m 没有过多的要求。研究表明，N 的值为 0.618 较好。
• 平方取中法
  • 首先计算出关键字的平方值，然后取平方值中间几位作为哈希地址。
• 随机数哈希算法
  • 选择一个随机函数，以关键字作为随机函数的种子，然后以随机函数的返回值作为该关键字的哈希值。通常情况下，当关键字的长度不等且不规则时采用这种方法。

在使用哈希算法时，第一步是用哈希函数将关键字转化为数组的一个索引。理想情况下，不同的关键字都能转化为不同的哈希值。当然，这只是理想情况，所以我们需要面对两个或多个关键字都映射到相同的哈希值的情况。因此，哈希算法的第二步就是一个处理冲突的过程。
解决哈希冲突的方法有很多种，如开放定址法、链地址法、二次再散列法、线性探测再散列等方法。

1. 开放定址法
   所谓开放定址法，就是当一个关键字插入到哈希表中遇到冲突时，可以连续地检查哈希表的各个位置，直到找到一个空位置把数据插入进去为止。有三种开放定址法：
   • 线性探查法
     1. 线性探查法的思想非常简单，对每一个关键字 x，通过哈希函数得到的哈希值为 key，那么当发生冲突时，依次查看 key+1，key+2，直到 key+m-1，然后循环到哈希表的第0位，第1位，…，直到查询到某一个位置为空，把关键字存储到该位置即可。
     2. 线性探查法相对比较容易实现，只需要顺着哈希表的顺序查找即可。但是，线性探查法也存在一个问题，随着数据存储的越来越多，数据很容易聚集起来，那么平均查找时间也会随着不断增加。
   • 二次探查法
     • 二次探查法和线性探查法类似，改变的只是每次探查的偏移量，以 i 的二次方的方式进行变化。探查时从地址 key 开始，首先探查 key，然后依次探查 key+1， key+4，key+9，…，直到探查到有空余的位置为止。
2. 链地址法
   • 链地址法处理冲突的方法本质上是一种数组加链表的处理方法。当发生多个数据通过哈希函数映射后得到相同的哈希值时，通常把具有相同哈希地址的关键字放在同一个链表中，该链表称为同义词链表或桶。
   • 当把相同哈希地址的关键字数据都放在同一个链表中时，有 N 个哈希地址就有 N 个链表。同时，用数组 Hash[0… N-1]存放每个链表的头指针，之后把哈希地址为 i 的数据全部以节点的方式插入对应的链表里。
   • 链地址法存储数据的过程是这样的，首先建立一个数组存储所有链表的头指针，由数据的关键字 key 通过对应的哈希函数计算出哈希地址，找到相应的桶号，之后建立新的节点存储该数据，并把节点放到桶内链表的最后面或者最前面。
   • 和存储数据的方法类似，查找数据的时候，也是由数据的关键字通过哈希函数计算关键字对应的哈希地址，之后顺序比较桶的内部节点是否与所查找的关键字一样，直到找到数据为止。如果全部节点都不和关键字一样，则说明哈希表里没有该数据。这个解决冲突的方法对哈希函数的要求很高，如果哈希函数选的不太好的话，哈希表的查找效率会退化为链表的查找，也就是顺序查找。
   • 用链地址法构造的散列表，插入和删除节点操作易于实现，所以构造链表的时间开销很低，但是指针需要开辟额外的地址空间，当数据量很大时，会扩大哈希表规模，内存空间需求较大。