第九章哈希表.ppt

标识符 内码 内码的平方 散列地址 A 01 01 001 A1 0134 20420 042 A9 0144 23420 342 B 02 4 004 DMAX 21526443617100 443 DMAX1 0415013034 5264473522151420 352 AMAX 135423617100 236 AMAX1 0115013034 3454246522151420 652 示例：设给定的关键码为 key = 23938587841，若存储空间限定 3 位, 则划分结果为每段 3 位. 上述关键码可划分为 4段： 239 385 878 41 把超出地址位数的最高位删去, 仅保留最低的3位，做为可用的散列地址。 由于很难避免冲突，就增加了搜索时间。冲突的出现，与哈希函数的选取 (地址分布是否均匀)，处理冲突的方法有关。 在实际应用中，在使用关键字进行散列时，如在用作关键字的许多标识符具有相同的前缀或后缀，或者是相同字符的不同排列的场合，不同的散列函数往往导致散列表具有不同的搜索性能。 下图给出一些实验结果，列出在采用不同的散列函数和不同的处理溢出的方法时，搜索关键码所需的对桶访问的平均次数。实验数据为 { 33575, 24050, 4909, 3072, 2241, 930, 762, 500 }。 当装填因子 ? 较高时，选择的散列函数不同，散列表的搜索性能差别很大。在一般情况下多选用除留余数法，其中的除数在实用上应选择不含有20以下的质因数的质数。 对散列表技术进行的实验评估表明，它具有很好的平均性能，优于一些传统的技术，如平衡树。 但散列表在最坏情况下性能很不好。如果对一 个有 n 个关键码的散列表执行一次搜索或插入操作，最坏情况下需要 O(n) 的时间。 散列表的装填因子 ? 表明了表中的装满程度。越大，说明表越满，再插入新元素时发生冲突的可能性就越大。 哈希表的平均查找长度是 ? 的函数，而不是 n 的函数，即平均搜索长度依赖于散列表的装填因子，不直接依赖于 n 或 m。 不论表的长度有多大，我们总能选择一个合适的装填因子，以把平均搜索长度限制在一定范围内。 作 业 1、设有12个数据{25，40，33，47，12，66，72，87，94，22，5，58}，它们存储在哈希表中，利用线性再散列解决冲突，要求插入新数据的平均查找次数不超过3次。求出哈希表的适当大小m，并顺次将各个数据散列到表中。 再散列函数可用 d0=H(key) di=(di-1+2) MOD m 作业 已知一棵3阶B-树如图所示，画出在其中插入关键字18和删除53的过程。 1) 选用的哈希函数； 2) 选用的处理冲突的方法； 3) 哈希表饱和的程度，装载因子 α=n/m 值的大小（n—记录数，m—表的长度） 决定哈希表查找的ASL的因素： 哈希表查找的分析: 从查找过程得知，哈希表查找的平均查找长度实际上并不等于零。 搜索关键码时所需的平均访问次数 从图中可以看出，链地址法优于开地址法；在散列函数中，用除留余数法作散列函数优于其它类型的散列函数，最差的是折叠法。 一般情况下，可以认为选用的哈希函数是“均匀”的，则在讨论ASL时，可以不考虑它的因素。 因此，哈希表的ASL是处理冲突方法和装载因子的函数。 线性探测再散列 链地址法 随机探测再散列 可以证明：查找成功时有下列结果： 从以上结果可见： —— 这是哈希表所特有的特点。 从哈希表中删除记录时，要作特殊处理，相应地，需要修改查找的算法。 五、哈希表的删除操作 六、哈希表也可以用来构造静态查找表 对静态查找表，有时可以找到不发生冲突的哈希函数。即，此时的哈希表的 ASL=0, 称此类哈希函数为理想（perfect）的哈希函数。