Hash
哈希表（hash table）的思路是根据关键码值直接访问。
哈希表的思路很简单——根据关键码值直接计算出信息的存储地址。
通常会为hash table 分配一个一维数组的存储空间，二维数组或多维数组用得比较少
但是多维数组应用到hash table上面有一些好处：
在多关键字的情况下 hash函数的设计 显得自然
设hash 函数是 h（K）
Hash表一般支持以下几个操作。
1． 插入：计算h（K）并插入
2． 查找：计算h（K）并访问
3． 删除：增加一些删除标记，以后统一删除（较少使用）
Hash的使用有两个比较需要注意的地方：
1． Hash函数的设计
2． 冲突的解决方法
常用的hash函数：直接取余法，平方取中法，折叠法，ELFhash函数（字符串）
在hash函数方面前人做过很多研究，想要在这方面做突破需要对其有很深刻的理解和很细致入微的研究，所以我们现在只需要直接拿来用就好了^^.
冲突解决方法，一般是开散列法，不赘述。
到目前为止，实现hash表所需要知道的最基本的东西已经差不多了，但是还有一个很关键的问题没有解决——hash是用来干嘛的？（虽然笼统一点可以说 hash是用来解决查询次数多且数据分布相对随机的应用的，但是太过抽象，不够具体）
有一道例题：
例一：促销
促销活动遵循以下原则：“参与本活动的顾客，应将自己的个人信息写在所付账单背面，并将账单投入指定的箱子。在每天的销售结束后，箱子中消费金额最大和最小的两个顾客奖杯选出。消费最多的顾客将得到一笔奖金，奖金的数目等于两张账单金额之差。为了避免因为一次消费而得到多笔奖金，依照以上原则选出的两张账单将不被放回到箱子中，但箱子里剩下的账单可以继续参加第二天的活动。”
你的任务是根据每天投入箱子的所有账单，计算出整个促销活动中超市要付出的奖金总额。本题中约定：
1． 整个促销活动持续了n天，n<=5000
2． 第i天放入的钞票有a[i]张，a[i]<=100000,且s=∑a[i]<=1000000
3． 第i天放入的钞票面值分别是bi[1]，bi[2]，。。。bi[a[i]]，bi[j]<=1000000
分析：这个应用下的数据规模是很大的，采用普通的线性表的话，复杂度差不多是O(ns)，也就是 差不多要计算 5000X1000000次！！！！，这么做的话是会慢到爆的。。。
但是用分段hash表的话，可以把复杂度降到O（s+（nm）^0.5）（其中m是总长度，在分段hash表中，每一段的长度是 （m）^1/2），也就是差不多计算 1000000+100000次，比第一种方法快了将近5000倍。。。。。。
上面一道例子反应了hash表的一类应用（我不太会描述）。~~
hash有一种应用是判重，我们知道解决字符串匹配有一些高效算法，例如基于自动机的kmp算法，除了kmp算法之外，还有一个平均性能不错的算法：rabin-karp 算法，某种意义上其实可以把它算作是hash表的应用。（rabin-karp友情链接：http://www.cnblogs.com/feature/articles/1813967.html）
如果熟悉了rabin-karp，那么有一个二维匹配的应用可以用近乎一样的思想解决：
例2：equal squares
在一个N*M的字符矩阵中找到两个相同的子正方形矩阵（可以相交），并使找到的两个子正方形的矩阵边长尽量大。
分析：比较快的解法有两个：二维的KMP和hash表。。。。而且由于这是找子矩阵，所以二维KMP的效果还不如hash好，hash解法的复杂度是 Ｏ（ｍｎlog（ｍｎ））
Hash判重还有一些其他的应用方式，例如判循环等等，判有根树的同构，判定无根树的同构，判定有向图的同构（这些都能通过hash得到很好的解决，这三个判定图的同构问题的解法复杂度都是Ｏ(NlogN)）等等。。不一一列举了
写到这里，越发觉得hash的神奇了，因为我很难像并查集那样概括出它的用途，它似乎并没有太明显的针对性，这就表示，它的应用可能会很巧妙（比如和编码联系在一起的时候的ｈａｓｈ函数 的设计，而编码本身就是一个很奇妙的东西。。。）。。。
好吧，才太疏学太浅了。。。。。。希望能在在以后的学习中对ｈａｓｈ有更深入的理解。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
