数据结构--哈希表

哈希表查找

本节提要

1. 哈希查找的概念。
2. 哈希函数的构造方法。
3. 处理冲突的方法。
4. 哈希查找的过程。

哈希存储、查找的概念

哈希存储是一种由关键字自身决定其存储位置的存储结构。通过哈希函数 ( H(k) ) 计算关键字 ( k ) 的存储地址。理想情况下，哈希查找的时间复杂度为 ( O(1) )。
H(k) 称为哈希函数。这种存储结构称为哈希表。

哈希函数的特点

• Hash( 输入 ) = 输出
• 输入：可为不固定长度的值。
• 输出：固定长度的值。
• 单向不可逆：无法从输出值反推出输入值。
• 输出值能反映输入值的大部分特征。

哈希函数的应用

1. 验证用户输入密码是否正确。
2. 判断文件、消息等数据的完整性。
3. 分布式应用，如BT下载。
4. 比特币、区块链。

哈希函数示例

已知地址区间为：0～6，关键字序列为：{20, 30, 70, 12, 18}。哈希函数为 ( h(k) = k % 7 )，则构造的哈希表如下：

地址  0  1  2  3  4  5  6

关键字 18 20 30 70 12

哈希函数问题

如果继续添加新的关键字14，会出现冲突。冲突是指关键字不同，但哈希函数值相同。构造哈希表时需要设计良好的哈希函数与处理冲突的方法。


冲突：关键字不同，哈希函数值相同。冲突的关键字称为同义词。
冲突无法避免，因此构造哈希表时需要同时设计良好的哈希函数与处理冲突的方法

哈希表设计方法

哈希表设计主要需要解决哈希冲突。实际中哈希冲突是难以避免的，主要与3个因素有关：

• 与装填因子有关。
  装填因子α=存储的记录个数/哈希表的大小=n/m  α越小，冲突的可能性就越小； α越大（最大可取1），冲突的可能性就越大。通常使最终的控制在0.6～0.9的范围内。

• 与所采用的哈希函数有关。
  好的哈希函数会减少冲突的发生；不好的哈希函数会增加冲突的发生。

• 与解决冲突方法有关。
  好的哈希冲突解决方法会减少冲突的发生。

• 哈希表设计的重点：

• 尽可能设计好的哈希函数，尽可能使哈希地址出现在表中任意位置的概率均等，从而减少冲突。

• 设计解决冲突的方法。

1. 哈希函数构造方法：

   • 直接定址法
   • 除留余数法
   • 数字分析法
   • 平方取中法
   • 折叠移位法

2. 解决冲突的方法：

   • 开放定址法
   • 线性探查法
   • 平方探查法
   • 双散列函数探查法
   • 链地址法

直接定址法

取关键字本身或关键字的某个线性函数值作为哈希地址。例如，( h(key) = key ) 或 ( h(key) = a*key + b )。
取关键字本身或关键字的某个线性函数值作为哈希地址。

h(key)=key 或 h(key)=a*key+b （a 和 b 均为常数）
　 示例：利用哈希表保存从2000年到2019年每年出生的人数。关键字k为年份，共有20年，地址区间为0～19。
　 用直接定址法设置哈希函数为：
h(k)=k-2000
哈希表如下：
适用场景：关键字和地址一一对应，不会产生冲突。
只适用于关键字基本连续的情况。
如关键字序列为{1, 45, 99}，哈希函数为h(k)=k，则地址区间为(1~99)，但只存放3个关键字，造成空间严重浪费。

除留余数法

以关键字被某个整数 ( m ) 除后所得余数作为哈希地址。( h(k) = k % m )，其中 ( m ) 应小于或等于表长。以关键字被某个整数m除后所得余数作为哈希地址。
h(k) = k ％ m （m<=表长）
余数区间为 (0~m-1)，与哈希表地址区间一致。
m为质数(素数)时，冲突的可能性相对较少。
除留余数法为常用方法。
示例：
已知连续的地址区间为0～6，
关键字k的序列为{20，30，70，12，18}，
哈希函数为h(k)=k％7，则构造的哈希表为：

其中，k％7就是用除留余数法设计的哈希函数，7是一个等于表长的质数。

数字分析法

如果关键字的数位相同，且取值事先知道，则可对关键字进行分析，取其中分布均匀的若干位或它们的组合作为哈希地址。
如果可能出现的关键字的数位相同，且取值事先知道，则可对关键字进行分析，取其中“分布均匀”的若干位或它们的组合作为哈希地址。
示例：通过分析如下一组关键字可知：
关键字的第1，2，3位和第6位取值较集中，不宜作为哈希地址。
第4，5，7和8位取值较分散，可根据实际需要取其中的若干位作为哈希地址。

处理冲突的方法

1. 开放定址法：

   • 使用某种探查技术，在哈希表中形成一个探查序列，当冲突发生时，沿此序列查找空闲单元地址。
     h0 = h(k)
     hi = ( h0 + di ) % m ( 1 ≤ i ≤ m-1 )
     hi 为第 i 次冲突时探查的下一地址
   • 线性探查法：di = i 即依次为：1, 2, 3, …, m-1
   • 平方探查法: di = ±i2即依次为：+1, -1, +4, -4, …
   • 双哈希函数探查法：di = i * h2(k)
   • 示例：已知哈希表长13，地址区间0～12，关键字序列{15,59,22,34,20,35}，哈希函数h(k)=k％13，采用线性探查法处理冲突，构造哈希表。
     h(15)=15%13=2，存至A[2]； h(59)=59%13=7，存至A[7]。
     h(22)=22%13=9，存至A[9]； h(34)=34%13=8，存至A[8]。
     h(20)=20%13=7，存至A[7]。 冲突；
     h0=7； h1=(h0+1)%13=8，仍冲突；
     h2=(h0+2)%13=9,仍冲突；h3=(h0+3)%13=10,存至A[10]；
     h(35)=35%13=9，冲突；（同义词引起的冲突）
     h0=9； h1=(h0+1)%13=10，仍冲突（非同义词）；
     h2=(h0+2)%13=11，存至A[11]；
     
     h(20)=20%13=7
     h(35)=35%13=9
     上例中，35与20的哈希地址不同，但争夺同一个后继地址。这种现象称为聚集。
     聚集将造成不是同义词的元素也处在同一个探查序列中，从而增加了查找时间。
     如发现聚集较严重，可改用平方探查法。

2. 链地址法：

   • 哈希地址相同的元素放置于一个单链表，链表的头指针放置于对应的哈希地址处。
   • 
     

哈希表的查找

1. 开放定址法：
   • 计算待查找元素 ( k ) 的哈希地址 ( H(k) )。
   • 如果该位置没有元素，则查找失败。
   • 该位置有元素，与 ( k ) 相比较：
     • 如果相等，查找成功。
     • 如果不相等，则按建表时设定的冲突处理方法找下一个地址。

• 回到步骤 2 和 3，继续查找。如果探查序列上的全部元素都比较完后，仍未找到，则查找失败。

2. 链地址法：
   • 计算待查找元素 ( k ) 的哈希地址 ( H(k) )。
   • 如果该位置头指针为空，则查找失败。
   • 头指针不空，对应链表中的元素依次与 ( k ) 相比较：
     • 如果相等，查找成功。
     • 如果对应链表的全部元素都比较完后，仍未找到，则查找失败。

练习

已知哈希表地址区间为 0～10，给定关键字序列 {20, 30, 70, 15, 8, 12, 18, 63, 19}。哈希函数为 ( h(k) = k % 11 )，分别采用线性探查法和链地址法处理冲突，构造哈希表。

线性探查法：


哈希表：

链地址法：

• 
  

总结

1. 哈希函数的特点以及构造方法。
2. 冲突产生的原因以及处理冲突的方法。
3. 哈希查找的方法。

练手题目

1.已知哈希函数为H(k)=k％11，线性探测法解决冲突，根据哈希表的状态图，完成下面问题，并写出过程及结果。
0 1 2 3 4 5 6 7 8 9 10
23 13 45 15 16 26 18 20 31

1)在上述哈希表的状态图中，空位置上标记空标志NULLFLAG，查找45；
0 1 2 3 4 5 6 7 8 9 10
NULLFLAG 23 13 45 15 16 26 18 NULLFLAG 20 31
H(45)=45％11＝1，地址被占用，线性探查下一地址；
H1 =(H(45)+1)%11=2，占用;
H2 =(H(45)+2)%11=3，查找成功。

2)查找5，若5不存在，则将其插入；
H(5)=5％11＝5，地址被占用，线性探查下一地址；
H1 =(H(5)+1)%11=6，占用;
H2 =(H(5)+2)%11=7，占用;
H3 =(H(5)+3)%11=8，空，查找失败。
0 1 2 3 4 5 6 7 8 9 10
NULLFLAG 23 13 45 15 16 26 18 5 20 31

3)查找26，若26存在，则将其删除，并在相应位置设置删除标志DELETEFLAG；
H(26)=26％11＝4，地址被占用，线性探查下一地址；
H1 =(H(26)+1)%11=5，占用;
H2 =(H(26)+2)%11=6，查找成功。
0 1 2 3 4 5 6 7 8 9 10
NULLFLAG 23 13 45 15 16 DELETEFLAG 18 5 20 31

4)查找5，若5存在，则将其删除；
H(5)=5％11＝5，地址被占用，线性探查下一地址；
H1 =(H(5)+1)%11=6，删除标志，继续探查;
H2 =(H(5)+2)%11=7，占用;
H3 =(H(5)+3)%11=8，查找成功
0 1 2 3 4 5 6 7 8 9 10
NULLFLAG 23 13 45 15 16 DELETEFLAG 18 DELETEFLAG 20 31

5)查找10，若10不存在，则将其插入；
H(10)=10％11＝10，地址被占用，线性探查下一地址；
H1 =(H(10)+1)%11=0，空，查找失败。
0 1 2 3 4 5 6 7 8 9 10
10 23 13 45 15 16 DELETEFLAG 18 DELETEFLAG 20 31

6)查找27，若27不存在，则将其插入；
H(27)=27％11＝5，地址被占用，线性探查下一地址；
H1 =(H(27)+1)%11=6，删除标志，继续探查;
H2 =(H(27)+2)%11=7，占用;
H3 =(H(27)+3)%11=8，删除标志，继续探查;
H4 =(H(27)+4)%11=9，占用;
H5 =(H(27)+5)%11=10，占用;
H6 =(H(27)+6)%11=0，占用;
H7 =(H(27)+7)%11=1，占用;
H8 =(H(27)+8)%11=2，占用;
H9 =(H(27)+9)%11=3，占用;
H10 =(H(27)+4)%11=4，占用;查找次数11与哈希表容量11相同，查找失败，插入到第一个删除标志处。
0 1 2 3 4 5 6 7 8 9 10
10 23 13 45 15 16 27 18 DELETEFLAG 20 31
总结查找、插入、删除等操作成功与失败的条件，并在hash项目中利用my_hash1验证上述过程。

3.在hash项目中利用my_hash2验证上述过程，回答以下问题：

1)my_hash1和my_hash2这两个哈希表，哪个可以直接判断同义词存在？哪个不可以？
答：my_hash1不可以判断出同义词。因为开放定址法处理冲突，使到同义词可能分散在数组的不同位置，无法判断。
my_hash2 可以判断出同义词。因为同义词在其相应位置使用链表链接起来了。

2)对比链地址法处理冲突时，哈希表的查找、插入、删除等操作与第1题开放定址法处理冲突的区别。
链地址法处理冲突时，查找、插入、删除等操作只在与哈希值对应的链表中进行操作。