如何动态的向数组中插入键值对_OI/ACM中的哈希表，一些哈希算法以及题目

<如果你已经学习过哈希有关知识，也推荐看一下后面的补充知识及题目>

问题引出：假设有一个集合

，里面装满了形如

的键值对，

值是唯一的。现在想在尽可能短的时间内取出

对应的

的值，要怎么做比较好呢？

假设集合中有

个不同的

，那么当我们可以定义一个函数以

为自变量的函数

，它能使得

等于某个

的整数，并且对于

。当计算

函数的代价是

的，通过开一个大小为

的

类型的数组就可以取出对应的值了，时间复杂度和计算

函数的代价也是相同的。

示例代码如下：（领会精神QAQ）

Value 

就被称作

哈希函数，如果能构造出这个函数，就可以满足要求。

假设

是一个字符串类型，那么定义

=

就可以构造出这个函数。但怎么保证对于

呢？答案

没有必要保证。

假设两个

的函数值相同，那把"

的键值对"其中一个放到

，一个放到

的位置上，不就可以了吗？

(Linear Probe Hashing)

举个例子:(课件来自CMU15-445,Hash)

向哈希表中插入key=A的val

向哈希表中插入key=B的键值对

插入key=C的键值对，但F(C)的位置和F(A)的位置冲突，那么会一直向下找到第一个可以放的位置为止，在那个位置插入C|val的键值对。

这样问题就解决了。在查询一个

所对应的

值的时候，我们最多经历"与

的相同的值的个数"(即哈希值的

碰撞次数)次查找，就能找到所对应的值。

事实上哈希函数是自己定义的……所以只要计算起来比较方便，碰撞次数又比较少就可以啦。

示例代码如下（领会精神QAQ）:

pair

上面的思路仅能容纳

个元素，换一种角度：如果把hash_map开成

个初始为空的

链表，对于

相同的键值对共享一个链表，这样就可以容纳无穷无尽的元素了，甚至可以维护动态变化的集合，因为链表是支持插入和删除的。（关于链表的文章以后会提到）

List<pair<Key, Value>> hash_map[N];
int F(Key x){ ... } //details omitted.
void init(){
    for(Key x, Value y : S)
    {
        int hash_position = F(x);
        hash_map[hash_position].insert( {x, y} );
    }
}
void Insert_into_hashmap(Key x, Value y)
{
    int hash_position = F(x);
    hash_map[hash_position].insert( {x, y} );
}
Value getvalue(Key x) {
    return bullet[F(x)].second;
}

---

由哈希函数所想到的：(与哈希表无关)

题目：给一个字符串

，

次询问，每次询问给出一个字符串

，求

在字符串

中的出现次数。(

,字符串只由

到

组成)

考虑构造一个哈希函数

，其构造方法如下：

（领会精神……QAQ）

int 

通过自然溢出，把一个string类型的值经过

的复杂度映射为

类型，如果两个string的哈希函数值相同，那么可以认为这两个string也是完全相同的。

但由于哈希函数存在碰撞，参考字符串哈希的方法，可以采取双哈希函数的做法，只有两个函数的值都是相同的时候，才认为两个字符串是相同的。

那么做法也就呼之欲出了：首先计算

中所有子串的哈希函数值，并将其插入到

(红黑树)中，对于每次询问的字符串

，计算

的哈希函数值

，并查找

在

中出现了多少次，出现的次数便是答案。复杂度为

(红黑树查询是

级别的，但在OI/ACM比赛中可以近似看成常数)。代码复杂度低，容易编写。

---

补充知识：

<为了不让已经会hash表的童鞋直接跑路，强行去查了查这是啥>

<似乎国内的没啥>

ROBIN HOOD HASHING：基于(Linear Probe Hashing)的改进算法。

由于在最差情况下，Linear Probe Hashing的策略取出一个

的代价很高。

比如

，且按顺序插入

，那么它们平均要寻址的次数分别对应了1,2,3,4,5，占据了关于

的位置。

这似乎没什么，但这样会使得之后能映射到

这些位置的键值对

走更远的路，使得 "最差的"情况下，可能绕了很远才能找到这个键值对。

为了平均寻址次数，有一个叫ROBINHOOD HASHING的方法出现了：

其主旨含义是"劫富济贫"。在数组中，额外记录一个数值代表寻址次数，当新加入一个元素

并与当前位置有冲突时，如果当前位置的寻址次数

小于新加入元素的寻址次数

时，就把

放在这个位置，让

原来那个位置的键值对再继续找新的位置。这种做法大大平均了寻址次数，使得"最差的没有那么差"。

---

题外话：在OI/ACM中，有用的不是哈希表本身，而是哈希函数的意义。可以通过(双)哈希去快速判断两个对象(字符串，矩阵，树...)是否相等。

注意树哈希有特别的方式……需要以后另开坑讲了。。。QAQ

推荐题目：

为了不影响选手的做题体验……我只是给出了"哈希"的关键字，所以也不算剧透题解啦(强行掩饰)

另外后面的两个题可能稍微有点难了……QAQ

大视野在线测评·欢迎您（BZOJ）

「BZOJ2351」 Matrix

「BZOJ3555」[Ctsc2014] 企鹅QQ

「BZOJ4754」独特的树叶

「BZOJ4892」[Tjoi2017]dna

ps：微信公众号是同名的，欢迎关注～