散列查找

散列查找不同于其他的查找找一个元素要遍历很多东西，散列查找是尽量给每个元素都找到他所特有的一个特点（构建散列函数关系），然后找的时候只需要找其特点就行，不需要遍历，所以比其他的查找效率要高很多，适用于大量数据，当其他查找难以解决时就用到它，并且可用于字符串，我们将字符串赋值，然后同样当成一串数字处理。

散列表

散列表是用来存元素数据的容器，他的标志就是这些元素的特点，查找时，在直接找到散列表中的对应位置，他的操作主要就是插入删除查找。
插入只要能插入的位置是空的就能插入（但是一定要按顺序，否则解决冲突后元素所在位置与函数得出位置不同）
删除就不能直接删除了，因为删除后如果有元素与其会冲突就会把这个位置看成空的，就插入进去了，所以我们通常用个标记flag，删除就把它的标记值给改变。

散列函数

散列函数的构造是关键，因为散列查找的效率高不高完全取决于散列函数，当然散列函数都是各有各的好处，因此我们在选择使用的散列函数时应该具体情况具体分析，选择最合适的散列函数。在构建散列函数时有两个关键点，1.计算简单 2.尽量避免冲突，让每个元素都是独特的。
常见的构造散列函数的方法有:
1.直接定址法：简单的直接定义能包含所有元素的一个区间，依此把它们放进去，这样虽然计算简单，但是效率不高。
2.除留余数法：我们可以对元素的数值进行一个特殊的取余，可以尽量让他们不冲突，详情可参考哈希字符串，但是这样还是会有较多冲突。
3.数字分析法：我们可以观察数据，然后取几位关键的数据来进行函数处理（例如身份证上的数据代表着不同的信息，我们可以取几个关键的数字）。
4.数字折叠法：把数字拆成相同的几部分，然后叠加起来
5.平方取中法：把数字平方计算，取平方后的数字的中间几位数。
但是这些方法都容易冲突，所以我们对元素原本的代表的数字入手进行改进（我理解的就是把数字放大，减少冲突可能性）

冲突处理方法

大体分为两类，开放地址法和链地址法；
开放地址法：
1.线性探测：当这个元素第一次冲突时，就把它往后移1个单位，如果可以就插入，否则这个元素第二次冲突就移动两个单位，到边界范围就往从头部开始，直到找到合适位置。这样简单，但是他会有严重的聚集现象，因为这里冲突了之后，后面再冲突的元素连续冲突的次数会变多，就使得这个查找的效率降低。
2.平方探测：第一次冲突了就到±1平方的位置，再冲突就到±2的位置，这样跳来跳去可以降低聚集现象，但是有可能跳来跳去都找不到合适的位置。
3.双散列：散列函数里面再嵌套一个散列函数，当冲突就进行里面散列函数的计算，就能有效的解决冲突问题。
4.再散列：扩大散列表来解决散列系数大的问题
链地址法：就是在冲突时，就把散列表的该位置建一个链表，把冲突的元素按照顺序链接起来

散列表的性能分析

这就是对散列表的效率进行计算分析，这个计算通常要分为两部分，一个是能在散列表找到的元素查找的平均次数，另一个就是找不到的元素查找的平均次数；第一个很容易计算，第二种也就是把不能找到的分下类，让后用个别例子计算。