《算法导论3rd第十一章》散列表

前言

散列表（hash table）实现字典操作的一种有效数据结构。对于大部分的查找问题，使用散列表能达到O(1)的效率

直接寻址表

假设有限关键字集合U = { 0, 1, …, m - 1 }，实际的关键字集合K（属于U的子集）。

1. 用一个数组T[0…m - 1]，其中每个位置对应U中的一个关键字k。
2. 把关键字k映射到槽T(k)上的过程称为散列。

散表表仅支持INSERT、SEARCH、DELETE操作。

DIRECT-ADDRESS-SEARCH(T, k)
    return T[k]
DIRECT-ADDRESS-INSERT(T, x)
    T[x, key]=x
DIRECT-ADDRESS-DELETE(T, x)
    T[x, key]=null

练习

1-1

查找指定元素所用时间为O(1),如果找表中最大值，那么最坏情况下需要循环遍历散列表中所有有效值以确定最大值。运行时间为O(m).

1-2

如果插入元素x,那么把位向量的第x位设置为1，否则为0. 如果删除元素x,那么把位向量的第x位设置为0

BITMAP-SEARCH(V, k)
    if V[k] != 0
        return k
    else return NIL

BITMAP-INSERT(V, x)
    V[x] = 1

BITMAP-DELETE(V, x)
    V[x] = 0

1-3

数组+链表（实现可重）

1-4

（略）

散列表

直接寻址技术的缺点是非常明显的：如果全域U很大，则在一台标准的计算机可用内存容量中，要存储大小为|U|的一张表T也许不太实际，甚至是不可能的。还有，实际存储的关键字集合K相对U来说可能很小，使得分配给T的大部分空间都被浪费掉。散列表需要的存储空间比直接寻址表要少得多。

• 在散列表方式下，该元素存放在槽h(k)中，即利用散列函数(hash function)h,由关键字k计算出槽的位置。
• 两个关键字映射到同一个槽中称为冲突。
  

通过链接法解决冲突

把散列到同一槽中的所有元素都放在一个链表中。槽j中有一个指针，它指向存储所有散列到j的元素的链表的表头，如果不存在这样的元素，则槽j中为null。

CHAIN-HASH-INSERT(T, x)
    insert x at the head of list T[h(x, key)]
CHAIN-HASH-SEARCH(T, k)
    search for an element with key k in list T[h(k)]
CHAIN-HASH-DELETE(T, x)
    delete x from the list T[h(x, key)]

练习

2-1假设用一个散列函数h将n个不同的关键字散列到一个长度为m的数组T中。假设采用的是简单均匀散列，那么期望的冲突数是多少？更准确地，集合{{k,l}:k≠l,且h(k)=h(l)}基的期望值是多少？

根据生日悖论的分析方式得

1. 期望$E[X_{kl}]=1/m$
2. 总期望$E[{\sum }_{k=1}^{n-1}{\sum }_{l=k+1}^n{X}_{kl}]={\sum }_{k=1}^{n-1}{\sum }_{l=k+1}^{n}1/m=n(n-1)/2m$

2-2 对于一个用链接法解决冲突的散列表，说明将关键字5,28,19,15,20,33,12,17,10,插入到该表中的过程。设该表中有9个槽位，并设其散列函数为h(k)=k mod 9.

2-3 Marley教授做了这样一个假设，即如果将链模式改动一下，使得每个链表都能保持已排好序的顺序，散列的性能就可以有较大的提高。 Marley教授的改动对成功查找，不成功查找，插入和删除操作的运行时间有何影响？

查找与删除操作时间减半，插入操作时间增加了。

2-4 说明在散列表内部，如何通过将所有未占用的槽位链接成一个自由链表，来分配和释放元素所占的存储空间。假定一个槽位可以存储一个标志，一个元素加上一个或两个指针。所有的字典和自由链表操作均应具有O(1)的期望运行时间。该自由链表需要是双向链表吗？或者，是不是单链表就足够了呢？

需要。单链表，在分配空间后，无法做到O(1).即自由表的删除操作

2-5试说明如果这些关键字均源于全域U，且|U|>mn,则U中还有一个大小为n的子集，其由散列到同一槽位中的所有关键字构成，使得链接法散列的查找时间最坏情况下位θ(n).

对于全域|U|>mn映射到m个槽中，若想U>mn,那么至少有一个槽位中的关键字大于n,其查找最坏时间为O(n)

2-6

（略）

散列函数

好的散列函数的设计可以减少冲突，有这样的三种设计方法。

1、除法散列法：hash(key) = key % m

其中，m是散列表的大小，该函数的一个指导原则是将m选取为接近散列集合大小的质数。

2、乘法散列法：hash(key) = floor( m * ( key * A ) % 1)

其中，floor()表示下取整，m无任何特殊要求，$A\in (0,1)$，Don.Knuth认为A=(√5-1)/2（黄金分割点）最好。

A%1 表示取 A的小数部份

3、全域散列法：hasha,b(key)= ( (a * key + b) % p ) % m

其中，$a\in 0,1,...,m-1，b\in 0,1,...,m-1$，a, b的值都为运行时动态确定，同除法散列一样，m应为质数，p为一个较大的素数。由于a,b的值在运行时随机确定，所以可以形成一个m * (m-1)的散列函数簇。基于随机的思想，全域散列法不管在什么情况下，其平均性能是最好的。

对于每一个关键字，随机选择散列函数，使之独立于要存储的关键字。这样就需要提供一组散列函数供选择，这一组散列函数，能将全域U内的所有关键字映射到槽{0,1,…,m-1}中，故称为全域散列。

练习

3-1

（略）

3-2假设将一个长度为r的字符串散列到m个槽中，并将其视为一个以128为基数的数，要求应用除法散列法。我们可以很容易地把数m表示为一个32位的机器字，但对长度为r的字符串，由于它被当做以128为基数的数来处理，就要占用若干个机器字。假设应用散列法计算一个字符串的散列值，那么如何才能在除了该串本身占用的空间外，只利用常数个机器字。

    sum = 0
    for i = 1 to r
        sum = (sum * 128 + s[i]) % m

3-3考虑除法散列法的另一种，其中h(k)=k mod m,m=2^{p-1,k为按基数2}p表示字符串。试证明，如果串x可由串y通过其自身的字符置换排列导出，则x和y具有相同的散列值。给出一个应用的例子，其中这一特性在散列函数中是不希望出现的。

散列值和字符排序无关

1. 设字符串 $w=w_1{w}_2$

2. $h(w)=h(w_1)2^p+h(w_2)mod{2}^p-1=h(w_1)+h(w_1)mod{2}^p-1$

3-4 考虑一个大小为m=1000的散列表和一个对应的散列函数h(k)=m(kAmod1),其中A=(√5-1)/2,试计算关键字61,62,63,64和65被映射到位置。

3-5

（略）

3-6

（略）

开放寻址法

除了"链表法"解决冲突的方式外，还有“开放寻址法”。它的好处在于它不用指针，而是计算要存取的槽序列。于是，不用存储指针而节省的空间，使得可以用同样的空间来提供更多的槽，潜在的减少了冲突，提高了检索速度。开放寻址法解决冲突的方式主要有三种：

1、线性探查：h( key , i ) = ( hash ( key ) + i ) % m

其中，hash(key)为前面所说的任何一种散列函数，线性探查的思想是：当发生冲突的时候，以 +i 个槽的方式寻找空的槽，直到所有槽满了为止，故为线性探查，一般 i=1。这种方法的缺陷是容易陷入群集:即随着元素增加，连续被占用的槽也在增加，表面上看就形成元素的堆积，这样，后续元素的平均查找时间也在增加。

2、二次探查：$h(key,i)=(hash(key)+c_{1}i+c_2{i}^2)$

其中，$c_1、c_2$为正的辅助常数，i = 0,1,…,m-1，和线性探查不同的是，当发生冲突的时候，后续的探查位置加上一个依赖于 i 的二次方的偏移量，这种探查方式比线性探查要好很多。其中，c1、c2被证明当皆为1/2时性能最好。缺陷是同样群在二次群集的情况，但相对线性探查要好很多。

3、双重探查：$h(key,i)=(has{h}_1(key)+i\ast has{h}_2(key))$

其中，i = 0,1,…,m-1，$has{h}_1(key)、has{h}_2(key)$均为辅助散列函数，双重试探法的首个探查位置为$has{h}_1(key)$ 当产生碰撞之后，接下来的探查位置为$(has{h}_1(key)+has{h}_2(key))$ % m，因此我们发现在双重试探法中，不仅初始探查位置依赖于关键字key，探查序列中的增量$has{h}_2(key)$同样依赖于关键字key，因而整个散列表提供了$m^2$种不同的探查序列，较之于前两种开放寻址具备了更多的灵活性。

练习

4-1 考虑将关键字10,22,31,4,15,28,17,88,59用开放寻址法插入到一个长度为m=11的散列表中，主散列函数为h’(k)=k mod m.说明用线性探查，二次探查(c1=1,c2=3)以及双重散列h2(k)=1+(k mod (m-1))将这些关键字插入散列表的结果

4-2请写出HASH-DELETE的伪代码；修改HASH-INSERT,使之能处理特殊值DELETED

HASH-DELETE(T, k)
    i = 0
    repeat
        j = h(k, i)
        if T[j] == k
            T[j] = DELETE
            return j
        else i = i + 1
    until T[j] == NIL or i == m
    error "element not exist"

HASH-INSERT(T, k)
    i = 0
    repeat
        j = h(k, i)
        if T[j] == NIL or T[j] == DELETE
            T[j] = k
            return j
        else i = i + 1
    until i == m
    error "hash table overflow"

完全散列

如果数据是固定，在使用链接法的1级散列产生冲突后，在每个冲突的槽再次用较小的2级散列，经过随机多次的2级散列筛选后，从而达到2级散列表不发生冲突的目的。

因为数据是固定的，通过多次随机得二次散列，使之不冲突，从而达到完全的散列

主要参考

《算法导论第十一章 散列表》
《Hash Tables》
《散列表、全域散列与完全散列》
《算法导论第十一(11)章散列(Hash)表》