Hash函数及冲突解决办法

概念

又称散列。Hashing 将一段数据（无论长还是短）转成相对较短的一段数据，例如一个字符串或者一个整数。一个通常使用的 hash 函数的例子是 md5()。

哈希函数通常是由他们产生哈希值的方法来定义的，有两种主要的方法：1.基于加法和乘法的散列；2.基于移位的散列 。将n个关键字映射到k个槽中

一个衡量的标准是哈希函数得到哈希值的效率。通常，包含哈希函数的算法的算法复杂度都假设为O(1)

常见Hash函数

1. 除法散列（除k取余）： h(k) = k mod m，其中m为槽的个数。将关键字k映射到m个槽的某一个中去。【m不能太小，m一定是质数】
2. 乘法散列法： h(k) = floor(m(kA mod 1))，用关键字k乘上常数A[A的范围(0,1)]，并抽取kA的小数部分；然后用m乘以这个值，再取结果的底(即整数部分)。【比除法好，因为乘法比除法快，一般A=（根号5 - 1）/2，m是2的幂次】
3. 全域散列法(universal hashing) ：预先定义一个有限的散列函数集（就是多个散列函数），等到真正开始执行时，随机选择一个散列函数（一旦开始执行，散列函数就不能改变），这样的优点是对手不知道你要选那个散列函数，看到的只是random()。
4. 完全散列：适用于静态集合（只有search操作），利用两级哈希，使得最坏情况下查找只需要O(1)。要求：第二个散列函数必须是没有碰撞发生的。
   

Hash冲突解决

根据鸽巢原理，n只要大于m，一定至少有一个槽放了多于1个元素。所以不能完全避免碰撞（冲突）；

1. 开放寻址法（open addressing）

简单一致散列：如果任何一个关键字k，他映射到m个槽的任何一个的可能性都相同，并且k映射到哪个槽与其他关键字独立无关，则称为简单一致散列。

装载因子：n/m，即一个槽的链表的平均长度。

将散列函数扩展定义成探查序列，即每个关键字有一个探查序列h(k,0)、h(k,1)、…、h(k,m-1)，这个探查序列一定是0….m-1的一个排列（一定要包含散列表全部的下标，不然可能会发生虽然散列表没满，但是元素不能插入的情况），如果给定一个关键字k，首先会看h(k,0)是否为空，如果为空，则插入；如果不为空，则看h(k,1)是否为空，以此类推。

所有的元素都存放在散列表中。因此，适用于动态集合大小n不大于散列表大小的情况，即装载因子不超过1。否则，可能发生散列表溢出。

缺点：不支持删除操作，只支持INSERT、SEARCH操作，因此如果有删除操作，就用链接法。

生成探查序列的方法有：

1. **线性探查：**h(k,i)=(h’(k)+i) mod m，可能有“一次群集”问题，即随着插入的元素越来越多，操作时间越来越慢。
2. 二次探查：h(k,i)=(h’(k)+ai+bi^2) mod m，可能有“二次群集”问题，即如果h(k1,0)=h(k2,0)，则探查序列就一致。
3. 二次哈希：h(k,i)=(h1(k)+ih2(k)) mod m ，要求m和h2(k)互质，不然探查序列不能覆盖到整个下标。二次哈希最好，因为他能够生成m^2种（离m!最接近）排列，而线性探查、二次探查只能生成m种排列，而理想中如果满足一致散列的话，则会生成m!种排列。

2. 链接法(chaining)

又叫拉链法。

把散列到同一槽中的所有元素都存放在一个链表中。每个槽中有一个指针，指向所有散列到该槽的元素构成的链表的头。如果不存在这样的元素，则指针为空。如果链接法使用的是双向链表，那么删除操作的最坏情况运行时间与插入操作相同，都为O(1)，而平均情况下一次成功的查找需要Θ(1+α)时间。α是装填因子。

将散列表定义为一个由m个头指针组成的指针数 组T[0..m-1]。凡是散列地址为i的结点，均插入到以T[i]为头指针的单链表中。T中各分量的初值均应为空指针。在拉链法中，装填因子α可以大于 1，但一般均取α≤1。

优点：处理冲突简单，且无堆积现象，即非同义词决不会发生冲突，因此平均查找长度较短；由于拉链法中各链表上的结点空间是动态申请的，故它更适合于造表前无法确定表长的情况；开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计，因此节省空间；删除结点的操作易于实现。只要简单地删去链表上相应的结点即可

缺点：指针需要额外的空间，故当结点规模较小时，开放定址法较为节省空间，而若将节省的指