（05中文）教案第9章p2相关附件.ppt

静态查找表 动态查找表 哈希表 (Hash) 问题引入 9.3.1 哈希表 (Hash) Hash表又称散列表。 Hash函数 为记录存放位置和数据项(关键码)凑一个对应关系。 即：记录的存储位置loc = h(key) 实现立即查找 哈希(Hash)表 C++的保留字 9.3.2 哈希函数的构造方法 直接定址法 数字分析法 平方取中法 折叠法 除留余数法 随机数法 哈希函数 ２、数字分析法 5. 除留余数法 设计哈希表中允许的地址数, 取一个接近于所需大小 m 的质数 p, 利用以下公式把关键码转换成哈希地址。哈希函数为： hash ( key ) = key % p 其中, “%”是整数除法取余的运算。 例：有一个关键码 key = 962148，取质数 p= 23。哈希函数 hash ( key ) = key % p。则哈希地址为hash ( 962148 ) = 962148 % 23 = 12。 ６、随机数法 哈希(Hash)表 使用哈希方法进行搜索不必进行多次关键码的比较，搜索速度比较快。 哈希函数是一个压缩映象函数。关键码取值范围比哈希表地址集合大得多。因此很可能经过哈希函数的计算，把不同的关键码映射到同一个哈希地址上，这就产生了冲突 (Collision)。 例：一个班的同学有人在同一天过生日的机会是多大？ 两个努力方向 既然冲突很难避免。所以对于哈希方法，需要讨论以下两个重要问题： 对于给定的一个关键码集合，选择一个计算简单且地址分布比较均匀的哈希函数，避免或尽量减少冲突； 拟订解决冲突的方案。 开放地址法 若设哈希表中的编址为 0 到 m-1，当要加入一个项 R2时, 用它的关键码 R2.key，通过哈希函数 hash ( R2.key ) 的计算，得到它的存放地址号 j，但是在存放时发现这个位置已经被另一个R1 占据了。这时发生了冲突，必须处理溢出。为此，必须把 R2 存放到表中“下一个”空位中。如果表未被装满，则在允许的范围内必定还有空位。 (1) 线性探查法 (Linear Probing) 需要搜索或加入一个表项时，使用哈希函数计算号： H0 = hash ( key ) 一旦发生冲突，在表中顺次向后寻找“下一个”空 Hi 的公式为： Hi = ( H0 + i ) % m， i =1, 2, …, m-1 亦可写成 Hi = ( Hi-1 +1 ) % m， i =1, 2, …, m-1 线性探查法 例 假设给出一组表项，它们的关键码为 Burke, Ekers, Broad, Blum, Attlee, Alton, Hecht, Ederly。采用的哈希函数是：取其第一个字母在字母表中的位置。 Hash (x) = ord (x) - ord (‘A’) //ord()是求字符内码的函数 这样，可得 Hash (Burke) = 1 Hash (Ekers) = 4 Hash (Broad) = 1 Hash (Hecht) = 7 Hash (Attlee) = 0 Hash (Blum) = 1 又设哈希表为HT[26]，m = 26。采用线性探查法处理溢出，则上述关键码在哈希表中哈希位置如图所示。括号内的数字表示找到空位时的比较次数。 又设哈希表为HT[26]，m = 26。采用线性探查法处理溢出，则上述关键码在哈希表中哈希位置如图所示。括号内的数字表示找到空位时的比较次数。 又设哈希表为HT[26]，m = 26。采用线性探查法处理溢出，则上述关键码在哈希表中哈希位置如图所示。括号内的数字表示找到空位时的比较次数。 又设哈希表为HT[26]，m = 26。采用线性探查法处理溢出，则上述关键码在哈希表中哈希位置如图所示。括号内的数字表示找到空位时的比较次数。 当发生冲突时, 探查下一个位置。当循环 m-1次后就会回到开始探查时的位置, 说明待查关键码不在表内, 而且表已满, 不能再插入新关键码。 有聚集现象 (2) 二次探查法 (quadratic probing) 为改善聚集现象，减少为完成搜索所需的平均探查次数，可使用二次探查法。 通过某一个哈希函数对表项的关键码 x 进行计算，得到地址号，它是一个非负整数。 H0 = hash(x) 二次探查法在表中寻找“下一个”空位的公式为： Hi = (H0 ? i 2 ) % m , i = 1, 2, …, (m-1)/2 式中的 m 是表的大小，它应是