【数据结构与算法】散列查找

红太狼 2024-04-26 02:33 81阅读 0赞

> ? 本文由 [程序喵正在路上][Link 1] 原创，CSDN首发！  
> ? 系列专栏：[数据结构与算法][Link 2]  
> ? 首发时间：2022年12月8日  
> ? 欢迎关注?点赞?收藏?留言?  
> ? 一以贯之的努力 不得懈怠的人生

#### 阅读指南 ####

*  散列表
 *  常见的散列函数
 *  开放定址法
 *  再散列法

## 散列表 ##

散列表（ H a s h T a b l e Hash \\ Table HashTable），又称哈希表，是一种数据结构，特点是：数据元素的关键字与其存储地址直接相关

那么我们如何建立 “关键字” 与 “存储地址” 之间的联系呢？  
—— 通过 “散列函数”（哈希函数）： A d d r = H ( k e y ) Addr = H(key) Addr=H(key)

若不同的关键字通过散列函数映射到同一个值，则称它们为 “同义词”；通过散列函数确定的位置已经存放了其他元素，则称这种情况为 “冲突”

那我们怎么解决 “冲突” 呢？  
—— 用拉链法（又称链接法、链地址法）处理 “冲突”：把所有 “同义词” 存储在一个链表中，不把空位置的比较算入

例子：有一堆元素，关键字分别为  \{ 19 , 14 , 23 , 1 , 68 , 20 , 84 , 27 , 55 , 11 , 10 , 79 \} \\\{19, 14, 23,1, 68, 20, 84, 27, 55, 11, 10, 79\\\} \{ 19,14,23,1,68,20,84,27,55,11,10,79\}，散列函数为  H ( k e y ) = k e y % 13 H(key) = key \\ \\% \\ 13 H(key)=key%13

那么我们可以得到它的存储图示为：  
![在这里插入图片描述][55d4ab8ef0084123a6d8e3d63547af65.png]

查找长度 —— 在查找运算中，需要对比关键字的次数称为查找长度

所以上图中查找成功的平均查找长度为  A S L = 1 × 6 + 2 × 4 + 3 + 4 12 = 1.75 ASL = \\frac\{1 \\times 6 + 2 \\times 4 + 3 + 4\}\{12\} = 1.75 ASL=121×6\+2×4\+3\+4=1.75

当我们的散列函数设计得足够好时，我们就可以得到最理想的情况，也就是当所有关键字都没有同义词的时候，散列查找时间复杂度可达到  O ( 1 ) O(1) O(1)

上图查找失败的平均查找长度为  A S L = 0 + 4 + 0 + 2 + 0 + 0 + 2 + 1 + 0 + 0 + 2 + 1 + 0 13 = 0.92 ASL = \\frac\{0 + 4 + 0 + 2 + 0 + 0 + 2 + 1 + 0 + 0 + 2 + 1 + 0\}\{13\} = 0.92 ASL=130\+4\+0\+2\+0\+0\+2\+1\+0\+0\+2\+1\+0=0.92

下面我们认识一个新的概念：装填因子  α = \\alpha = α= 表中记录数  / / / 散列表长度，也就是前面的  0.92 0.92 0.92 ；装填因子会直接影响散列表的查找效率

## 常见的散列函数 ##

① 除留余数法 ——  H ( k e y ) = k e y % p H(key) = key \\ \\% \\ p H(key)=key%p

散列表表长为  m m m，取一个不大于  m m m 但最接近或等于  m m m 的质数  p p p

② 直接定址法 ——  H ( k e y ) = k e y H(key) = key H(key)=key 或  H ( k e y ) = a × k e y + b H(key) = a \\times key + b H(key)=a×key\+b

其中， a a a 和  b b b 是常数。这种方法计算最简单，且不会产生冲突。它适合关键字的分布基本连续的情况，若关键字分布不连续，空位极多，则会造成存储空间的浪费

③ 数字分析法 —— 选取数码分布较为均匀的若干位作为散列地址

设关键字是  r r r 进制数（如十进制数），而  r r r 个数码在各位上出现的频率不一定相同，可能在某些位置上分布均匀一些，各种数码出现的机会均等；而在某些位上分布不均匀，只有某几种数码经常出现，此时可选取数据分布较为均匀的若干位作为散列地址。这种方法适用于已知的关键字集合，若更换了关键字，则需要重新构造新的散列函数

④ 平方取中法 —— 取关键字的平方值的中间几位作为散列地址

具体取多少位要视实际情况而定。这种方法得到的散列地址与关键字的每位都有关系，因此使得散列地址比较均匀，适用于关键字的每位取值都不够均匀或均小于散列地址所需的位数

散列表是典型的 “用空间换时间” 的算法，只要散列函数设计得合理，则散列表越长，冲突的概率越低

## 开放定址法 ##

所谓开放定址法，是指可存放新表项的空闲地址既向它的同义词表项开放，又向它的非同义词表项开放。其数学递推公式为：  
 H i = ( H ( k e y ) + d i ) % m H\_i = (H(key) + d\_i) \\ \\% \\ m Hi=(H(key)\+di)%m  
 i = 0 , 1 , 2 , . . . , k ( k ≤ m − 1 ) i = 0, 1, 2, ..., k \\ (k \\leq m- 1) i=0,1,2,...,k(k≤m−1)， m m m 表示散列表表长， d i d\_i di 为增量序列， i i i 可理解为 “第  i i i 次发生冲突”

想要确定增量序列  d i d\_i di，我们需要学习下面  3 3 3 种方法

① 线性探测法 ——  d i = 0 , 1 , 2 , 3 , . . . , m − 1 d\_i = 0, 1, 2, 3, ..., m - 1 di=0,1,2,3,...,m−1；即发生冲突时，每次往后探测相邻的下一个单元是否为空

上面的例子用线性探测法来处理，如下图所示：

![在这里插入图片描述][7ebdf895d5dd496c89a9ce801ced194b.png]

这个例子需要注意：

*  散列函数的值域为  \[ 0 , 12 \] \[0, 12\] \[0,12\]
 *  冲突处理函数值域为  \[ 0 , 15 \] \[0, 15\] \[0,15\]
 *  查找时，按照线性探测法进行定位，找不到再一个个往后找，要把空位置的判断也算作一次比较

采用 “开放定址法” 时，删除结点不能简单地将被删结点的空间置为空，否则将截断在它之后填入散列表的同义词结点的查找路径，可以做一个 “删除标记”，进行逻辑删除

查找成功的平均查找长度为  A S L = 1 + 1 + 1 + 2 + 4 + 1 + 1 + 3 + 3 + 1 + 3 + 9 12 = 2.5 ASL = \\frac\{1 + 1 + 1 + 2 + 4 + 1 + 1 + 3 + 3 + 1 + 3 + 9\}\{12\} = 2.5 ASL=121\+1\+1\+2\+4\+1\+1\+3\+3\+1\+3\+9=2.5

查找失败的平均查找长度为  A S L = 1 + 13 + 12 + 11 + 10 + 9 + 8 + 7 + 6 + 5 + 4 + 3 + 2 13 = 7 ASL = \\frac\{1 + 13 + 12 + 11 + 10 + 9 + 8 + 7 + 6 + 5 + 4 + 3 + 2\}\{13\} = 7 ASL=131\+13\+12\+11\+10\+9\+8\+7\+6\+5\+4\+3\+2=7

线性探测法很容易造成同义词、非同义词的 “聚集（堆积）” 现象，严重影响查找效率

② 平方探测法 —— 当  d i = 0 2 , 1 2 , − 1 2 , 2 2 , − 2 2 , . . . , k 2 , − k 2 d\_i = 0^2, 1^2, -1^2, 2^2, -2^2, ..., k^2, -k^2 di=02,12,−12,22,−22,...,k2,−k2 时，称为平方探测法，又称二次探测法，其中  k ≤ m / 2 k \\leq m/2 k≤m/2

例子：有一堆元素，关键字分别为  \{ 6 , 19 , 32 , 45 , 58 , 71 , 84 \} \\\{6, 19, 32, 45, 58, 71, 84\\\} \{ 6,19,32,45,58,71,84\}，散列函数为  H ( k e y ) = k e y % 13 H(key) = key \\ \\% \\ 13 H(key)=key%13，假设散列表表长为  27 27 27，采用平方探测法处理冲突

![在这里插入图片描述][eb8b24b22ac84b8198c30117df9fcb00.png]  
平方探测法比起线性探测法更不易产生 “聚集（堆积）” 问题

需要注意，如果你采用平方探测法来处理冲突，那么散列表的长度  m m m 必须是一个可以表示成  4 j + 3 4j + 3 4j\+3 的素数，才能探测到所有位置

③ 伪随机序列法 ——  d i d\_i di 是一个伪随机序列，如  d i = 0 , 5 , 24 , 11 , . . . d\_i = 0, 5, 24, 11, ... di=0,5,24,11,...

## 再散列法 ##

再散列法（再哈希法）：除了原始的散列函数  H ( k e y ) H(key) H(key) 之外，多准备几个散列函数，当散列函数冲突时，用下一个散列函数计算一个新地址，直到不冲突为止：

H i = R H i ( K e y ) i = 1 , 2 , 3 , . . . , k H\_i = RH\_i(Key) \\ \\ \\ i = 1, 2, 3, ..., k Hi=RHi(Key)i=1,2,3,...,k

[Link 1]: https://blog.csdn.net/weixin_62511863?spm=1011.2421.3001.5343
[Link 2]: https://blog.csdn.net/weixin_62511863/category_11984530.html?spm=1001.2014.3001.5482
[55d4ab8ef0084123a6d8e3d63547af65.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/26/04cb46c3364744f2810098a90520d81b.png
[7ebdf895d5dd496c89a9ce801ced194b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/26/0cb05d3943da46b4926e1102a80cbb5b.png
[eb8b24b22ac84b8198c30117df9fcb00.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/26/273daaac4ad84a349785f03670900384.png