Hash算法与散列表基础算法

把一个较大集合P映射到一个较小集合Q中，其中映射算法位H，即Q=H(P)，每一个p对应一个q，一个q可能对应多个p，这就是Hash编码的初步理解。其中散列表，可以认为是一种特殊的数据结构，有|Q|个所谓的槽，存储相应的Q值，其中P中的元素出现，就在Q中相对应的结果中进行记录，对于不同p1，p2对应到同一个槽时，即h(p1)=h(p2)=q1则，q1的槽对应一个list，存储p1、p2的值。一个好的散列函数应该尽可能的将|P|个元素尽可能评价的分为|Q|个槽中。几个较为经典散列算法如下：
除法散列法
其实就是取余，h(p)=p mod m，其中m小于|Q|的值，但不一定是|Q|的值。使用该方法时，m尽量取一个质数，因为如果m取2或者10的幂，相当于p中的最后几位起作用，之前的几位都荒废了，而m取质数时，所有的元素，都起作用，得到结果可能更为分散。
乘法散列法

$$h(p)=\lfloor m(pA mod 1) \rfloor$$ ，其中A的取值是约等于 $(\sqrt{5}-1)/2$=0.618……，而mod 1 就是取小数部分，距离说明p=123456，而|P|是0- $2^{32}$之间的数，而|Q|是0- $2^{14}$之间的数，m即为 $2^{14}$，将A取成与 $(\sqrt{5}-1)/2$最为接近的如 $s/2^{32}$的数，p*s= $76300*2^{32}+17612864$，其中小数部分为 $17612864/2^{32}$，该数乘以m，即为 $17612864/2^{32-14}$，然后取整编码为67。
全域散列
如果散列算法确定，对于某一个hash值q可能对应多个p，即集合 $P_{q}$, $如果总是使用集合$P_{q}中的p来测试系统，则Hash表起作用的只有q对应的那一个链表，从而起不到作用。而如果设计一个散列函数簇，在运行时，随机选择一个散列函数，这样对应一个p，不同的算法，得到不同的q，因此就对于该系统就无法确定一个集合 $P_{q}$，来攻击系统。但是当系统实际运行时，一单随机选择了散列算法，则就不会改变，一直使用该算法去初始化Hash表，去检索系统。
说白了，就是如果算法固定，就可以得到集合 $P_{q}$；而全域散列的算法中存在随机数，这样会导致，无法得到 $P_{q}$，但是系统运行时，一旦随机选择了散列函数，就一直使用该算法运行。而我们无法知道该系统选择的函数。使用《算法导论》中的例子说明，即为：
$$h_{a,b}(p)=((a*p+b)\mod{t})\mod{m}$$
其中，t是一个预先设定的数，其中对于P中的所有元素，都落在[0，t-1]之间，m是编码集合Q的个数， $z_{p}$表示集合{0,1，……，t-1}， $z_{p}^{*}$表示集合{1,……，t-1}。a和b是分别属于 $z_{p}$和 $z_{p}^{*}$的随机数，这样不同的a，b选择就构成一个函数簇。