算法导论笔记 - 哈希表 / 散列表

1. 介绍

散列表又名散列表，是实现字典操作的一种数据格式，其有增删查改操作，在最坏情况下，其查找时间为 $\theta(n)$， 平均时间下为 $O(1)$

1.1 需要理解的几个概念

• 全域U：关键字 K 所在集合
• 槽：关键字k散列到散列表的位置
• 散列方法h(k): 用于计算关键字k所在散列表中槽的位置
• 冲突：同一槽中可能会被散列多个关键字，称之为冲突
• 简单均匀散列：关键字等可能性的散列到m个槽中的任何一个，其与其他元素散列到什么位置无关
• 装载因子$a$：一个槽位，平均存储元素数， 在简单均匀散列假设下，$a = n/m$

1.2 什么是好的散列函数

• 尽可能近似简单均匀散列
• 近似key散列到同一槽中的可能性最小化
• 散列方法应不受关键字分布的影响

2. 散列冲突的两种解决方法

2.1 链接法解决散列冲突

将散列到同一槽中的所有元素放入一个链表中

2.1.1 链接表性能分析

• 简单均匀散列假设下，一次不成功查找的时间复杂度为$\theta(1 + a)$
• 简单均匀散列假设下，一次成功查找的时间复杂度为$\theta(1 + a)$

注：
1)最坏情况为，所有元素都被散列到同一槽中，此时查找时间为 $\theta(n)$
2)当槽数 m 与 元素数 n 成正比时，有$n = O(m)$, 则$a = n/m = O(1)$

2.2 开放寻址表解决散列冲突

插入元素时，连续的探查(probe)散列表，直到探查一个空槽， 并插入元素。

注：
1） 槽位可能被全部占满
2） 装载因子 $a <= 1$

2.2.1 常用的探查方法

• 线性探查
• 二次探查
• 双重探查

2.2.2开放寻址表性能分析

时间花销主要在探查次数上，探查次数 = 探查发生冲突的次数 + 1

设 随机变量 X 为探查发生冲突的次数，
定义事件 $A_i$(i=1,2,…)为第i次发生了冲突的探查

• 在简单均匀散列假设下， 期望的探查次数 $\le {1\over 1-a}$
  证明：

  $\{X\ge i\} = A_1\bigcap A_2\bigcap... \bigcap A_{i-1}$
  故有
  

  $$Pr\{X \ge i\} = Pr\{A_1 \bigcap A_2\bigcap ...\bigcap A_{i-1}\} = {n \over m}\cdot {n-1\over m-1} \cdot {n-2 \over m-2} \cdot {n-i+2 \over m-i+2} \le ({n\over m})^{i-1}=a^{i-1}$$
  则 $$E[X]= \sum_{i=1}^\infty Pr\{X\ge i\}\le\sum_{i=1}^\infty a^{i-1}=\sum_{i=0}^\infty a^i={1\over 1-a}$$

• 在简单均匀散列假设下， 向一个装载因子为$a$的开放寻址表中插入一个元素，探查次数 $\le {1\over 1-a}$

• 在简单均匀散列假设下， 一次成功查找的探查期望数 $\le {1\over a} ln {1\over 1-a}$

注：a 越大，即散列表越密集， 探查次数越多；a越小，即散列表越稀疏，探查次数越小，结论为 表越稀疏，效率越高。

3. 常用散列方法

• 除法散列 h(k) = k mod m
• 乘法散列
• 全域散列
• 完全散列

下一章我们会详细讲解这几种散列方法