数据结构（严蔚敏）Chapter11 Hash Tables.pptVIP

Data Structures and Algorithms with Java Chapter 11 Hash Tables 哈希表也有一些缺点：它是基于数组的，数组创建后难于扩展。某些哈希表被填满后，性能下降非常严重，所以程序员必须要清楚表中将要存储多少数据，或者准备好定期地把数据转移到更大的哈希表中，这是个费时的过程。 如果不需要有序遍历数据项，并且可以提前预测数据量的大小，那么哈希表在速度和易用性方面是无与伦比的。 本章重点内容 ① 哈希化简介 本节将要介绍哈希表和哈希化。其中一个重要的概念是如何把关键字转化为数组下标。在哈希表中,这个转换通过哈希函数来完成。 然而，对于特定的关键字，并不需要哈希函数；关键字的值可以直接用于数组下标。 例如：雇员号码作为关键字 方法二：幂的连乘 ② 开放地址法 线性探测法 在线性探测中，线性地查找空白单元。如果5421是要插入的位置，它已经被占用了，那么就是用5422，然后是5423，依此类推，数组下标一直递增，知道找到空位。这就叫线性探测，因为它沿着数组的下标一步一步顺序地查找空白单元。 线性探测的Java代码 hash.java程序 二次探测法 前面已经看到，在开放地址法的线性探测中会发生聚集。一旦聚集形成，它会变得越来越大，那些哈希化后的落在聚集范围内的数据项，都要一步一步移动，并且插在聚集的最后，因此使聚集变得更大。聚集越大，它增长得也就越快。如“人群看热闹” 二次探测是防止聚集产生的一种尝试。思想是：探测间隔较远的单元，而不是和原始位置相邻的单元。 在线性探测中，如果哈希函数计算的原始下标为x： △线性探测依次探测空间中x+1, x+2, x+3位置，依次类推； △而二次探测，探测过程为x+12, x+22, x+32, x+42, x+52，依此类推。 二次探测的问题 二次探测消除了在线性探测中产生的聚集问题，这种聚集叫“原始聚集” 。然而，二次聚集产生了另外一种更细的聚集问题。因为所有映射到同一个位置的关键字在寻找空位时，探测的单元都是一样的。 比如将184，302，420和544依次插入到表中，它们都映射到了7.那么302需要一步步长的探测，420需要4为步长的探测，544需要9为步长的探测。只要有一项，其关键字映射到7，就需要更长步长的探测，这种现象叫二次聚集。 再哈希法 为了消除原始聚集和二次聚集，可以使用另外一种方法：再哈希法。二次聚集产生的原因是，二次探测的算法产生的探测步长总是固定为1，4，9，16，依此类推。 如果探测序列的选择依赖关键字，而不是每个关键字都一样，那么，不同的关键字即使映射到相同的数组下标，也可以使用不同的探测序列。方法是把关键字用不同的哈希函数再做一遍哈希化，用这个结果作为步长。对于指定的关键字，步长在整个探测中是不变的，不同的关键字步长不一样。 ③ 链地址法 开放地址法中，通过在哈希表中再寻找一个空位解决冲突问题。 另一种方式是在哈希表每个单元中设置链表。某个数据项的关键字值还是像通常一样映射到哈希表的单元，而数据项本身插入到这个单元的链表中。 JAVA CODE FOR SEPARATE CHAINING ④ 哈希函数 快速的计算 好的哈希函数很简单，所以它能快速计算。哈希表的主要优点是它的速度。如果哈希函数运行缓慢，速度就会降低。哈希函数中乘法和除法是不可取的。 哈希函数的目的是得到关键值的范围，把它用一种方式转化成数组的下标值，这种方法应该使关键字值随机地分布在整个哈希表中。关键字可能完全随机，但也有可能不那么完全随机。 随机关键字 所谓完美的哈希函数把每个关键字都映射到表中不同的位置。但关键字值范围足够小，可以直接用于数组下标；大多数情况下，哈希函数需要将较大的关键字值范围压缩成较小的数组下标范围。 如果数据随机分布，那么直接利用如下哈希函数： index = key % arraySize; 由于关键字随机，计算得到的下标也将是随机的，他们在数组中将会有良好的分布。 非随机关键字 然而，数据通常不是随机分布的。假设数据库使用汽车零件号码作为关键字。也许号码形式为033-400-03-94-05-0-535。 数字含义： 0-2位: 厂商号码(1到999, 目前最大为70) 3-5位: 分类代号(100,150,200,250,一直到 850) 6-7位: 引进的月份(1到12) 8-9位: 引进的年份(00到99) 10-11位: 序列号(1到99,但不超过100) 12位:是否有毒标志(0 or 1) 1