算法导论第11章 散列表（哈希表）

哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。具体的介绍网上有很详细的描述，如闲聊哈希表 ，这里就不再累述了；

哈希表在像Java、C#等语言中是与生俱来的。可是在C的世界中，似乎只有自己动手，丰衣足食；在网上google了一把，大致有几个版本，我会一一来分析对比；

首先先来交代一下哈希表实现中需要注意的一些概念：

（主要参考：这里）

散列函数

多数散列函数都假定关键字域为自然数集。如果所给关键字不是自然数，则必须有一种方法将它们解释为自然数。这里，介绍三种主要的散列函数：
l 除法散列法：通过取k除以m的余数，来将关键字k映射到m个槽的某一个中去，即散列函数为

h(k) = k mod m

当应用除法散列法时，要注意m的选择，这也是除法散列法的主要缺点。m不应是2的幂，因为如果m=2p，则h(k)就是k的p个最低有效位。相反，散列函数应该考虑关键字的所有位。可以选作m的值通常是与2的整数幂不太接近的质数。
l 乘法散列法：首先，用关键字k乘上常数A(0<A<1)，并抽取kA的小数部分；然后，用m乘以这个值，再取结果的底(即整数部分)。散列函数可表达为：

h(k) = ⌊m(kA mod 1)⌋

乘法方法的一个优点是对m的选择没有特别的要求，一般选择它为2的某个幂次(m=2p)。该方法对任何的A值都适用，但对某些值效果更好。A=(sqrt(5)-1)/2=0.6180339…是一个比较理想的值。
l 全域散列(universal hashing)：在执行开始时，从一族仔细设计的函数中，随机地选择一个作为散列函数。这里的随机选择针对的是一次对散列表的应用，而不是一次简单的插入或查找操作。散列函数的确定性，是查找操作正确执行的保证。全域散列法确保，当k!=l时，两者发生碰撞的概率不大于1/m。设计一个全域散列函数类的方法如下，该方法中，散列表大小m的大小是任意的。

选择一个足够大的质数p，使得每一个可能的关键字都落在0到p-1的范围内。设Zp表示集合{0, 1, …, p-1}，Zp*表示集合{1, 2, …, p-1}。对于任何a∈Zp*和任何b∈Zp，定义散列函数ha,b ha,b = ((ak+b) mod p) mod m 所有这样的散列函数构成的函数族为： Hp,m = {ha,b : a∈Zp*和b∈Zp} 由于对a来说有p-1种选择，对于b来说有p种选择，因而，Hp,m中共有p(p-1)个散列函数。

哈希冲突（Hash collision）

也就是两个不同输入产生了相同输出值的情况。首先，哈希冲突是无法避免的，因此，哈希算法的选择直接决定了哈希冲突发送的概率；同时必须要对哈希冲突进行处理，方法主要有以下几种：

1 链地址法

链地址法：把散列到同一槽中的所有元素都存放在一个链表中。每个槽中有一个指针，指向由所有散列到该槽的元素构成的链表的头。如果不存在这样的元素，则指针为空。如果链接法使用的是双向链表，那么删除操作的最坏情况运行时间与插入操作相同，都为O(1)，而平均情况下一次成功的查找需要Θ(1+α)时间。

举例说明： 设有 8 个元素 { a,b,c,d,e,f,g,h } ，采用某种哈希函数得到的地址分别为： {0 ， 2 ， 4 ， 1 ， 0 ， 8 ， 7 ， 2} ，当哈希表长度为 10 时，采用链地址法解决冲突的哈希表如下图所示。



2 开放寻址法(open addressing)：所有的元素都存放在散列表中。因此，适用于动态集合大小n不大于散列表大小的情况，即装载因子不超过1。否则，可能发生散列表溢出。在开放寻址中，当要插入一个元素时，可以连续地探查散列表的各项，直到找到一个空槽来放置待插入的关键字。探查的顺序不一定是0, 1, …, m-1，而是要依赖于待插入的关键字k。于是，将探查号作为散列函数的第二个输入参数。为了使所有的槽位都能够被探查到，探查序列<h(k,0),
h(k,1), …, h(k,m-1)>必须是<0, 1, …, m-1>的一个排列。有三种技术常用来计算开放寻址法中的探查序列：线性探查、二次探查，以及双重探查。
² 线性探查(linear probing)：使用的散列函数如下

h(k,i) = (h’(k) + i) mod m, i=0, 1, …, m-1

h’为一个普通的散列函数，见前面的介绍。线性探查存在一个称为一次群集的问题，即随着时间的推移，连续被占用的槽不断增加，平均查找时间也随着不断增加。但是，线性探查的优点在于，对m的取值没有特殊的要求。
² 二次探查(quadratic probing)：使用的散列函数如下

h(k,i) = (h’(k) +c1 i + c2 i2) mod m, i=0, 1, …, m-1

为了能够充分利用散列表，c1、c2和m的值要受到限制。一种好的选择是，m为2的某个幂次(m=2p)，c1=c2=1/2。二次探查，不会顺序地探查每一个槽位，解决了一次群集问题。但是，如果两个关键字的初始探查位置相同，那么它们的探查序列也是相同的，这一性质导致一种程度较轻的群集现象，称为二次群集。
² 双重散列(double hashing)：使用的散列函数如下

h(k,i) = (h1(k) + i h2(k)) mod m, i=0, 1, …, m-1

为能查找整个散列表，值h2(k)要与表的大小m互质。确保这一条件成立的一种方法是取m为2的幂，并设计一个总能产生奇数的h2。另一种方法是取m为质数，并设计一个总是产生较m小的正整数的h2。例如，可以取m为质数，h2(k)=1+(k mod m’)，m’=m-1。

完全散列

如果某一种散列技术在进行查找时，其最坏情况内存访问次数为O(1)的话，则称其为完全散列(perfect hashing)。通常利用一种两级的散列方案，每一级上都采用全域散列。为了确保在第二级上不出现碰撞，需要让第二级散列表Sj的大小mj为散列到槽j中的关键字数nj的平方。如果利用从某一全域散列函数类中随机选出的散列函数h，来将n个关键字存储到一个大小为m=n的散列表中，并将每个二次散列表的大小置为mj=nj2 (j=0,
1, …, m-1)，则在一个完全散列方案中，存储所有二次散列表所需的存储总量的期望值小于2n。

哈希实现代码：

[cpp] view
plaincopy

#include "stdafx.h"

#include <string.h>

#include <stdio.h>

#include <stdlib.h>

typedef struct _node{

char *name;

char *desc;

struct _node *next;

}node;

#define HASHSIZE 101

static node* hashtab[HASHSIZE];

void inithashtab(){

int i;

for(i=0;i<HASHSIZE;i++)

hashtab[i]=NULL;

}

unsigned int hash(char *s){

unsigned int h=0;

for(;*s;s++)

h=*s+h*31;

return h%HASHSIZE;

}

node* lookup(char *n){

unsigned int hi=hash(n);

node* np=hashtab[hi];

for(;np!=NULL;np=np->next){

if(!strcmp(np->name,n))

return np;

}

return NULL;

}

char* m_strdup(char *o){

int l=strlen(o)+1;

char *ns=(char*)malloc(l*sizeof(char));

strcpy(ns,o);

if(ns==NULL)

return NULL;

else

return ns;

}

char* get(char* name){

node* n=lookup(name);

if(n==NULL)

return NULL;

else

return n->desc;

}

int install(char* name,char* desc){

unsigned int hi;

node* np;

if((np=lookup(name))==NULL){

hi=hash(name);

np=(node*)malloc(sizeof(node));

if(np==NULL)

return 0;

np->name=m_strdup(name);

if(np->name==NULL) return 0;

np->next=hashtab[hi];

hashtab[hi]=np;

}

else

free(np->desc);

np->desc=m_strdup(desc);

if(np->desc==NULL) return 0;

return 1;

}

/* A pretty useless but good debugging function,

which simply displays the hashtable in (key.value) pairs

*/

void displaytable(){

int i;

node *t;

for(i=0;i<HASHSIZE;i++){

if(hashtab[i]==NULL)

printf("()");

else{

t=hashtab[i];

printf("(");

for(;t!=NULL;t=t->next)

printf("(%s.%s) ",t->name,t->desc);

printf(".)");

}

}

}

void cleanup(){

int i;

node *np,*t;

for(i=0;i<HASHSIZE;i++){

if(hashtab[i]!=NULL){

np=hashtab[i];

while(np!=NULL){

t=np->next;

free(np->name);

free(np->desc);

free(np);

np=t;

}

}

}

}

main(){

int i;

char* names[]={"name","address","phone","k101","k110"};

char* descs[]={"Sourav","Sinagor","26300788","Value1","Value2"};

inithashtab();

for(i=0;i<5;i++)

install(names[i],descs[i]);

printf("Done");

printf("If we didnt do anything wrong..""we should see %s",get("k110"));

install("phone","9433120451");

printf("Again if we go right, we have %s and %s",get("k101"),get("phone"));

/*displaytable();*/

cleanup();

return 0;

}