Hashing定义了一种将字符组成的字符串转换为固定长度(一般是更短长度)的数值或索引值的方法,称为散列法,也叫哈希法。由于通过更短的哈希值比用原始值进行数据库搜索更快,这种方法一般用来在数据库中建立索引并进行搜索,同时还用在各种解密算法中。
设所有可能出现的关键字集合记为U(简称全集)。实际发生(即实际存储)的关键字集合记为K(|K|比|U|小得多)。|K|是集合K中元素的个数。
散列方法是使用函数hash将U映射到表T[0..m-1]的下标上(m=O(|U|))。这样以U中关键字为自变量,以h为函数的运算结果就是相应结点的存储地址。从而达到在O(1)时间内就可完成查找。
其中:
① hash:U→{0,1,2,…,m-1} ,通常称h为散列函数(Hash Function)。散列函数h的作用是压缩待处理的下标范围,使待处理的|U|个值减少到m个值,从而降低空间开销。
② T为散列表(Hash Table)。
③ hash(Ki)(Ki∈U)是关键字为Ki结点存储地址(亦称散列值或散列地址)。
④ 将结点按其关键字的散列地址存储到散列表中的过程称为散列(Hashing).
比如:有一组数据包括用户名字、电话、住址等,为了快速的检索,我们可以利用名字作为关键码,hash规则就是把名字中每一个字的拼音的第一个字母拿出来,把该字母在26个字母中的顺序值取出来加在一块作为改记录的地址。比如张三,就是Z+S=26+19=45。就是把张三存在地址为45处。
但是这样存在一个问题,比如假如有个用户名字叫做:周四,那么计算它的地址时也是Z+S=45,这样它与张三就有相同的地址,这就是冲突,也叫作碰撞!
冲突:两个不同的关键字,由于散列函数值相同,因而被映射到同一表位置上。该现象称为冲突(Collision)或碰撞。发生冲突的两个关键字称为该散列函数的同义词(Synonym)。
冲突基本上不可避免的,除非数据很少,我们只能采取措施尽量避免冲突,或者寻找解决冲突的办法。影响冲突的因素
冲突的频繁程度除了与h相关外,还与表的填满程度相关。
设m和n分别表示表长和表中填人的结点数,则将α=n/m定义为散列表的装填因子(Load Factor)。α越大,表越满,冲突的机会也越大。通常取α≤1。
----散列函数的构造方法:----
1、散列函数的选择有两条标准:简单和均匀。
简单指散列函数的计算简单快速;
均匀指对于关键字集合中的任一关键字,散列函数能以等概率将其映射到表空间的任何一个位置上。也就是说,散列函数能将子集K随机均匀地分布在表的地址集{0,1,…,m-1}上,以使冲突最小化。
2、常用散列函数
(1)直接定址法:比如在一个0~100岁的年龄统计表,我们就可以把年龄作为地址。
(2)平方取中法
具体方法:先通过求关键字的平方值扩大相近数的差别,然后根据表长度取中间的几位数作为散列函数值。又因为一个乘积的中间几位数和乘数的每一位都相关,所以由此产生的散列地址较为均匀。
(3)除留余数法
取关键字被某个不大于哈希表表长m的数p除后所得余数为哈希地址。
该方法的关键是选取m。选取的m应使得散列函数值尽可能与关键字的各位相关。m最好为素数
(4)随机数法
选择一个随机函数,取关键字的随机函数值为它的散列地址,即h(key)=random(key)
其中random为伪随机函数,但要保证函数值是在0到m-1之间。
----处理冲突的方法:---- 1、开放定址法
Hi=(H(key)+di) MOD m i=1,2,...,k(k<=m-1)
其中m为表长,di为增量序列
如果di值可能为1,2,3,...m-1,称线性探测再散列。
如果di取值可能为1,-1,2,-2,4,-4,9,-9,16,-16,...k*k,-k*k(k<=m/2)
称二次探测再散列。
如果di取值可能为伪随机数列。称伪随机探测再散列。
开放地址法堆装填因子的要求
开放定址法要求散列表的装填因子α≤l,实用中取α为0.5到0.9之间的某个值为宜。
2、二次探查法(Quadratic Probing)
二次探查法的探查序列是:
hi=(h(key)+i*i)%m 0≤i≤m-1 //即di=i2
即探查序列为d=h(key),d+12,d+22,…,等。
该方法的缺陷是不易探查到整个散列空间。
3、双重散列法(Double Hashing)
该方法是开放定址法中最好的方法之一,它的探查序列是:
hi=(h(key)+i*h1(key))%m 0≤i≤m-1 //即di=i*h1(key)
即探查序列为:
d=h(key),(d+h1(key))%m,(d+2h1(key))%m,…,等。
该方法使用了两个散列函数h(key)和h1(key),故也称为双散列函数探查法。
3、拉链法
拉链法解决冲突的做法是:将所有关键字为同义词的结点链接在同一个单链表中。若选定的散列表长度为m,则可将散列表定义为一个由m个头指针组成的指针数组T[0..m-1]。凡是散列地址为i的结点,均插入到以T[i]为头指针的单链表中。T中各分量的初值均应为空指针。在拉链法中,装填因子α可以大于1,但一般均取α≤1。
4、建立一个公共溢出区
假设哈希函数的值域为[0,m-1],则设向量HashTable[0..m-1]为基本表,另外设立存储空间向量OverTable[0..v]用以存储发生冲突的记录。
----性能分析----
插入和删除的时间均取决于查找,故下面只分析查找操作的时间性能。
虽然散列表在关键字和存储位置之间建立了对应关系,理想情况是无须关键字的比较就可找到待查关键字。但是由于冲突的存在,散列表的查找过程仍是一个和关键字比较的过程,不过散列表的平均查找长度比顺序查找、二分查找等完全依赖于关键字比较的查找要小得多。
(1)查找成功的ASL
散列表上的查找优于顺序查找和二分查找。
(2)查找不成功的ASL
对于不成功的查找,顺序查找和二分查找所需进行的关键字比较次数仅取决于表长,而散列查找所需进行的关键字比较次数和待查结点有关。因此,在等概率情况下,也可将散列表在查找不成功时的平均查找长度,定义为查找不成功时对关键字需要执行的平均比较次数。
注意:
①由同一个散列函数、不同的解决冲突方法构造的散列表,其平均查找长度是不相同的。
②散列表的平均查找长度不是结点个数n的函数,而是装填因子α的函数。因此在设计散列表时可选择α以控制散列表的平均查找长度。
③ α的取值
α越小,产生冲突的机会就小,但α过小,空间的浪费就过多。只要α选择合适,散列表上的平均查找长度就是一个常数,即散列表上查找的平均时间为O(1)。
④ 散列法与其他查找方法的区别
除散列法外,其他查找方法有共同特征为:均是建立在比较关键字的基础上。其中顺序查找是对无序集合的查找,每次关键字的比较结果为"="或"!="两种可能,其平均时间为O(n);其余的查找均是对有序集合的查找,每次关键字的比较有"="、"<"和">"三种可能,且每次比较后均能缩小下次的查找范围,故查找速度更快,其平均时间为O(lgn)。而散列法是根据关键字直接求出地址的查找方法,其查找的期望时间为O(1)。
例子:
选取哈希函数H(K)=(3K)%11,用线性探测再散列法处理冲突。
试在0~10的散列地址空间中,对关键序列22,41,53,46,30,13,01,67构造哈希表,并求等概率情况下查找不成功的平均查找长度ASL。
/**//*--------------------------------------------------------
* hashtable.cpp
* Describe : example for hashing
* author : JackRain
* date : 08-13-2005
* E_mail : jack.fandlr@gmail.com
* Test with C-Free3.5
---------------------------------------------------------*/
#include <iostream>
#define addr_scope 11
int hash(int key)
{
return(key*3)%11;
}
typedef int KeyType,DataType,Status;
//typedef int DataType;
//typedef int Status;
typedef struct {
KeyType key;
// DataType data;
Status stat; //1 = over; 0
}Element;
class HashTable
{
public:
HashTable(int n);
~HashTable();
bool insert(int e);
bool search(int e, int *pos);
void display();
private:
Element *elem;
int hash_size;
int dataNum;
};
HashTable::HashTable(int n):hash_size(n),dataNum(0)
{
// hash_size = n;
// dataNum = 0;
elem = new Element[n];
for(int i=0;i < n;i++)
{
elem[i].key = 0;
elem[i].stat = 0;
}
}
HashTable::~HashTable()
{
delete[] elem;
}
bool HashTable::insert(int e)
{
if(dataNum == hash_size)
{
cout<<"OverFlow!"<<endl;
return false;
}
int pos = hash(e),pos1;
pos1 = pos;
for(int i = 1; i < hash_size; i ++)
{
if(elem[pos].stat==0)
{
//success
elem[pos].key = e;
elem[pos].stat = 1;
dataNum++;
cout<<"Insert Value Success!The value is:"<<e<<";the addr is:"<<pos<<endl;
return true;
}
pos = (pos1+i)%hash_size;
}
cout<<"Insert Value Faliure"<<endl;
return false;
}
bool HashTable::search(int key, int* pos)
{
int hashvalue = hash(key);
for(int i = 1; i< hash_size; i ++)
{
if(elem[hashvalue].stat==1&&elem[hashvalue].key == key)
{
cout<<"Search Success!Search Nums="<<i<<endl;
*pos = hashvalue;
return true;
}
hashvalue = (hashvalue+1)%hash_size;
}
cout<<"Not found"<<endl;
return false;
}
void HashTable::display()
{
if(dataNum == 0)
{
cout<<"The Table is NULL"<<endl;
return;
}
cout<<"************HashTable*************"<<endl;
cout<<"addr value"<<endl;
for(int i = 0; i<hash_size;i++)
{
if(elem[i].stat == 0)
continue;
else
cout.width(4);
cout<<elem[i].key;
cout<<" ";
cout.width(5);
cout<<i<<endl;
}
cout<<"************************************"<<endl;
}
int main()
{
int array[]= {22, 41, 53, 46, 30,13, 01,67};
HashTable hTable(addr_scope);
for(int i =0;i < 8;i++)
hTable.insert(array[i]);
hTable.display();
return 0;
}
查找不成功的平均查找长度ASL=(2+1+8+7+6+5+4+3+2+1+1)/11≈3.63