数据结构随笔——散列表（哈希表）

一、散列表

概念

散列技术是在记录的存储位置和它的关键字之间建立-一个确定的对应关系f, 使得每个关键字key 对应一个存储位置f (key)。

通过某个函数使得，存储位置=f（关键字）

这里我们把这种对应关系f称为散列函数，又称为哈希(Hash) 函数。按这个思想，采用散列技术将记录存储在一块连续的存储空间中， 这块连续存储空间称为散列表或哈希表(Hash table)。那么关键字对应的记录存储位置我们称为散列地址。

查找过程

1. 在存储时，通过散列函数计算记录的散列地址，并按此散列地址存储该记录。

2. 当查找记录时，我们通过同样的散列函数计算记录的散列地址，按此散列地址访问该记录。由于存取用的是同一个散列函数，因此结果当然也是相同的。

特点

散列函数既是存储方法也是查找方法。其不适合用来范围查找，最适合的求解问题是查找与给定值相等的记录。

另一个问题是冲突。在理想的情况下，每一个关键字，通过散列函数计算出来的地址都是不一样的，可现实中，我们会碰到两个关键字key1≠key2，但是却有f (key1) =f (key2)，这种现象我们称为冲突(ollision), 并把key和key2称为这个散列函数的同义词(synonym)。

二、散列函数的构造方法

两个原则 ：计算简单，散列地址分布均匀。

直接定址法

我们可以取一个线性函数，f（key）=a*key+b （a，b为常数）

例如：统计80后的人口数，我们可以用出生年份关键字减去1980

这样的散列函数优点就是简单、均匀，也不会产生冲突，但问题是这需要事先知道关键字的分布情况，适合查找表较小且连续的情况。

数字分析法

使用关键字的一部分，来计算散列存储位置。

例如：某员工登记表

数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀，就可以考虑用这个方法。

平方取中法

这个方法计算很简单，假设关键字是1234,那么它的平方就是1522756，再抽取中间的3位就是227,用做散列地址。再比如关键字是4321， 那么它的平方就是18671041，抽取中间的3位就可以是671,也可以是710,用做散列地址。

平方取中法比较适合于不知道关键字的分布，而位数又不是很大的情况。

折叠法

折叠法是将关键字从左到右分割成位数相等的几部分(注意最后一部分位数不够时可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。

比如：我们的关键字是9876543210，散列表表长为三位，我们将它分为四组987|654|321|0,然后将它们叠加求和987+654+321+0=1962,再求后3位得到散地址为962。

折叠法事先不需要知道关键字的分布，适合关键字位数较多的情况。

除留余数法

取关键字被某个不大于散列表表长m的数p除后所得的余数为散列地址。即 H(key) = key MOD p，p<=m。不仅可以对关键字直接取模，也可在折叠、平方取中等运算之后取模。

因此根据经验，若散列表表长为m,通常p为小于或等于表长(最好接近m)的最小质数或不包含小于20质因子的合数。

随机数法

选择一随机函数，取关键字的随机值作为散列地址，H(key)=random(key)其中random为随机函数,通常用于关键字长度不等的场合。

三、处理散列冲突的方法

开放定址法

Hi=(H(key) + di) MOD m,i=1,2，…，k(k<=m-1），其中H(key）为散列函数，m为散列表长，di为增量序列

有下列三种取法：

1. di=1,2,3，…，m-1，称线性探测再散列
2. di=1²，(-1)²，(2)²，(-2)²，±（k)²，(k<=m/2），称二次探测再散列
3. di=伪随机数序列，称伪随机探测再散列

再散列法

Hi=RHi(key)，i=1,2，…，k， RH，H均是不同的散列函数

即在同义词产生地址冲突时计算另一个散列函数地址，直到冲突不再发生，这种方法不易产生“聚集”，但增加了计算时间。

链地址法

将所有关键字为同义词的记录存储在一个单链表中，我们称这种表为同义词子表，在散列表中只存储所有同义词子表的头指针。

链地址法对于可能会造成很多冲突的散列函数来说，提供了绝不会出现找不到地址的保障。当然，这也就带来了查找时需要遍历单链表的性能损耗。

公共溢出区法

这个方法其实就更加好理解，为所有冲突的关键字建立了一个公共的溢出区来存放。

在查找时，对给定值通过散列函数计算出散列地址后，先与基本表的相应位置进行比对，如果相等，则查找成功。如果不相等，则到溢出表去进行顺序查找。如果相对于基本表而言，有冲突的数据很少的情况下，公共溢出区的结构对查找性能来说还是非常高的。

四、散列表查找算法实现

#define success 1
#define unsuccess 0
#define hash_size 12//散列表长度
#define NULLKEY -32768
typedef struct
{
	int* elem;//数据元素存放基址,动态分配数组
	int count;//数据个数
}hash_table;
int m = 0;//散列表表长
bool init_hash_table(hash_table *h)//初始化
{
	m = hash_size;
	h->count = m;
	h->elem = (int *)malloc(m * sizeof(int));
	for (int i = 0; i < m; i++)
		h->elem[i] = NULLKEY;
	return true;
}
int Hash(int key)//散列函数
{
	return key % m;
}
void insert_hash(int key,hash_table * h)
{//插入
	int addr = Hash(key);
	while (!h->elem[addr] == NULLKEY)
		addr = (addr + 1) % m;
		//开放定址法的线性探测（也可以用其他）
	h->elem[addr] = key;
}
int search_hash(hash_table* h, int key,int * addr)
{
	*addr = Hash(key);
	while (h->elem[*addr] != key)
	{
		*addr = (*addr + 1) % m;
		if (h->elem[*addr] == NULLKEY || *addr == Hash(key))
			//循环回到原点或者该位置为无关键字
			return unsuccess;
	}
	return success;
}

五、散列表查找性能分析

散列查找的平均查找长度取决于三个因素：

• 散列函数是否均匀，散列函数的好坏直接影响着出现冲突的频繁程度

• 处理冲突的方法，比如线性探测处理冲突可能会产生堆积，显然就没有二次探测法好，而链地址法处理冲突不会产生任何堆积，因而具有更佳的平均查找性能。

• 散列表的装填因子，所谓的装填因子a=填入表中的记录个数/散列表长度。a标志着散列表的装满的程度。当填入表中的记录越多，x就越大，产生冲突的可能性就越大。