Hash（散列表）算法实现原理

心已赠人 2022-06-12 03:21 450阅读 0赞

**散列表**

散列表，又叫做“哈希表”，它是基于高速存取的角度设计的，也是一种典型的“空间换时间”的做法。

散列表是依据关键码值（key）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的一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组就叫做散列表。

哈希的思路很简单，如果所有的键都是整数，那么就可以使用一个简单的无序数组来实现：将键作为数组索引，值记为对应的值，这样就可以快速访问任意键的值。同样也可以扩展到更加复杂类型的键。

说明：在哈希表中，记录所在的位置与其关键字之间存在着一种确定的关系。只有这样我们才能预先知道所查关键字在表中的位置，从而直接通过下标查找记录，使ASL（查找成功时的平均查找长度）趋近于0.

（1）哈希函数是一个映射：即将关键字的集合映射到某个地址集合上，它的设置很灵活，只要这个地址集合的大小不超出允许的范围即可；

（2）哈希函数是一个压缩映射，因此，一般情况下很容易产生“冲突”现象。即key1 != kry2，但是 H(key1) = H(key2)

（3）只能尽量减少冲突而不能完全避免冲突，这是因为关键字集合比较大，其元素包括所有可能的关键字，而地址集合的元素比较少，近为哈希表中的地址。

**1、哈希构造函数的方法**

**（1）直接定址法**

取关键字或关键字的某个线性函数为Hash地址，即Hash(key)=key或者H(key) = a\*key+b，其中a和b为常数。

此方法仅适合于：地址集合的大小等于关键字集合的大小。

**（2）数字分析法**

假设关键字是r进制数（如十进制数），并且Hash表中可能出现的关键字都是事先知道的，则可以选取关键字的若干数位或它们的组合作为Hash地址。选取的原则是使得到的Hash地址尽量避免冲突，即所选数位上的数字尽可能是随机的，分布均匀的。

此方法适用于：能预先估计出全体关键字的每一位上各种数字出现的频度

**（3）平方取中法**

取关键字平方后的中间几位作为Hash地址。通常在选定Hash函数的时候不一定能知道关键字的全部清空，仅取其中的几位为地址不一定合适，而一个数平方后的中间几位数和数的每一个数都相关，由此得到的Hash地址随机性更大，取的位数由表长决定。

此法适用于：关键字中的每一位都有某些数字重复出现频度很高的现象

**（4）折叠法**

将关键字分隔成若干部分，然后取它们的叠加和为Hash地址。叠加的方法有两种：移位叠加和边界叠加

移位叠加：将分割后的几部分低位对其相加

边界叠加：从一端沿分割线来回折叠，然后对其叠加

说明：所谓折叠法是将关键字分割成位数相同的几部分（最后一部分的位数可不同），然后取这几部分的叠加和（舍去进位），这种方法称为折叠法。适用于关键字位数较多，且关键字中每一位上数字分布大致均匀的情况。

举个例子：

当哈希表长度为1000时，允许的地址空间为三位十进制数，则对于关键字key = 101083318341991。

移位叠加 边界叠加

9 9 1 9 9 1

3 4 1 1 4 3

3 1 8 3 1 8

0 8 3 3 8 0

\+ 1 0 1 1 0 1

——————————————————————

8 3 4 9 3 3

用移位叠加法得到的Hash地址为834，用边界叠加法得到的Hash地址为933。当然如果关键字不是数字而是字符串，可将其转换为数字（如利用ASCII字符），然后在用折叠法。

**（5）除留余数法**

取关键字被某个不大于Hash表表长m的数p除后所得的余数作为Hash地址，即Hash(key) = key mod p (p<=m)

p的选择很重要，一般p选择小于或者等于表长的最大素数，这样可以减少冲突。

例如，已知待散列元素为（18，75，60，43，54，90，46），表长m=10，p=7，则有

h(18)=18 % 7=4 h(75)=75 % 7=5 h(60)=60 % 7=4

h(43)=43 % 7=1 h(54)=54 % 7=5 h(90)=90 % 7=6

h(46)=46 % 7=4

此时冲突较多。为减少冲突，可取较大的m值和p值，如m=p=13，结果如下：

h(18)=18 % 13=5 h(75)=75 % 13=10 h(60)=60 % 13=8

h(43)=43 % 13=4 h(54)=54 % 13=2 h(90)=90 % 13=12

h(46)=46 % 13=7

**（6）减去法**

**（7）基数转换法**

**（8）随机数法**

**（9）随机乘数法**

**（10）字符串数值哈希法**

**（11）旋转法**

具体可参考：[http://blog.csdn.net/tanggao1314/article/details/51457585][http_blog.csdn.net_tanggao1314_article_details_51457585]

**2、常用的Hash冲突处理方法**

注意：这可能尽量减少冲突的发生，不可能完全避免冲突。因此，在建立Hash表的时候必须进行冲突处理。

**（1）开放定址法**

*  **线性探查法**：线性探查法是从发生冲突的地址（假设为d）开始，依次探查d的下一个地址（当到达下标为m-1的Hash表表尾时，下一个探查的地址就是表首地址0），直到找到一个空位置为止，当m>=n（n是表中关键字的个数）时，一定能找到一个空位置。

线性探查法的递推公式为 Hi(k) = (H(k)+i) Mod m (1<=i<=m-1)

线性探查法容易产生堆积问题。因为当连续出现若干个同义词后，设第一个同义词占用单元d，这连续的若干个同义词将占用d、d+1、d+2等单元，此时，随后任何d+1、d+2等单元上的Hash映射都会由于前面的同义词堆积而产生的冲突，尽管所有的这些关键字并没有同义词。

*  **平方探查法**：设发生冲突的地址为d，则用平方探查法所得到的新的地址为：d+1^2、d-1^2、d+2^2、d-2^2、..................平方探查法是一种较好的处理冲突的方法，可以避免出现堆积现象。缺点是不能探查Hash表上的所有单元，**但至少能探查到一半的单元**。
 *  **伪随机序列法**
 *  **双Hash函数法**

这种方法是同时构造多个不同的哈希函数：Hi=RH1（key） i=1，2，…，k当哈希地址Hi=RH1（key）发生冲突时，再计算Hi=RH2（key）……，直到冲突不再产生。这种方法不易产生聚集，但增加了计算时间。

**（2）链地址法**

这种方法的基本思想是将所有哈希地址为i的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中，因而查找、插入和删除主要在同义词链中进行。链地址法适用于经常进行插入和删除的情况。

例如，已知一组关键字（32，40，36，53，16，46，71，27，42，24，49，64），哈希表长度为13，哈希函数为：H（key）= key % 13，则用链地址法处理冲突的结果如图

![Center][]

**3、散列表的性能分析**

查找成功时的平均查找长度（ASL1）：指找到表中已有表项的平均次数，它是找到表中各个已有表项的平均比较次数。

查找不成功时的平均查找长度（ASL2）：指在表中找不到待查的表项，但找到插入位置的平均比较次数，它是在表中所有可能散列到的地址上插入新元素时，为找到空位置而进行探查的平均次数。

装填因子：关键字个数/表长度

就拿上图中的例子来分别说明一下：

表1 关键字比较次数

ASL1 = （1+1+1+3+1+1+1+2+2+2+1+2+1）/12 = 1.5

表2 地址比较次数

ASL2 = （1+1+2+1+3+2+1）/13 = 0.846

参考：[http://blog.csdn.net/tanggao1314/article/details/51457585][http_blog.csdn.net_tanggao1314_article_details_51457585]

[http_blog.csdn.net_tanggao1314_article_details_51457585]: http://blog.csdn.net/tanggao1314/article/details/51457585
[Center]: /images/20220612/e820b57529d34f4cbca8a7c46bca5d66.png