如何对散列查找进行asl分析计算?_8.4 计算式查找法——哈希式

最新推荐文章于 2024-01-25 00:09:35 发布
最新推荐文章于 2024-01-25 00:09:35 发布 · 988 阅读 · 0
文章标签：

#如何对散列查找进行asl分析计算?

本文详细介绍了哈希表的基本概念、哈希函数构造方法、处理冲突的技术以及哈希表的查找过程。并通过实例展示了不同冲突解决策略的效果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

25720913-8612-eb11-8da9-e4434bdf6706.png

返回目录：

Chilan Yu：《数据结构》目录链接​zhuanlan.zhihu.com
26720913-8612-eb11-8da9-e4434bdf6706.png

哈希法又称散列法、杂凑法以及关键字地址计算法等，相应的表称为哈希表。

哈希法的基本思想：

首先在元素的关键字k和元素的存储位置p之间建立一个对应关系f，使得p=f(k)，f称为哈希函数。创建哈希表时，把关键字为k的元素直接存入地址为f(k)的单元；以后当查找关键字为k的元素时，再利用哈希函数计算出该元素的存储位置p=f(k)，从而达到按关键字直接存取元素的目的。

冲突问题：

当关键字集合很大时，关键字值不同的元素可能会映像到哈希表的同一地址上，即

，但
，这种现象称为冲突，此时称
和
为同义词。

综上所述，哈希法主要解决两方面的问题：如何构造哈希函数以及如何处理冲突。

8.4.1 哈希函数的构造方法

构造原则：

  • ①函数本身便于计算；
  • ②计算出来的地址分布均匀，即对任一关键字k，f(k) 对应不同地址的概率相等，目的是尽可能减少冲突。

1. 数字分析法：

如果事先知道关键字集合，并且每个关键字的位数比哈希表的地址码位数多时，可以从关键字中选出分布较均匀的若干位，构成哈希地址。

例如，有80个记录，关键字为8位十进制整数

，如哈希表长度取为100，则哈希表的地址空间为0~99。假设经过分析，各关键字中
和
的取值分布较均匀，则哈希函数为
。

例如，H(81301367)=06，H(81346532)=43。相反，经过分析，各关键字中

和
的取值分布极不均匀，
都等于5，
都等于2，此时如果哈希函数为
，则所有关键字的地址码都是52，显然这是不可取的。

2. 平方取中法：

当无法确定关键字中哪几位分布较均匀时，可以先求出关键字的平方值，然后按需要取平方值的中间几位作为哈希地址。

例如，把英文字母在字母表中的位置序号作为该英文字母的内部编码，K的内部编码为11，E的内部编码为05，Y的内部编码为25，A的内部编码为01，B的内部编码为02。由此组成关键字“KEYA”的内部代码为11052501，同理可得到关键字“KYAB”、“AKEY”、“BKEY”的内部编码。之后对关键字进行平方运算后，取出第7到第9位作为关键字哈希地址，如表所示。

27720913-8612-eb11-8da9-e4434bdf6706.png

3. 分段叠加法：

这种方法是按哈希表地址位数将关键字分成位数相等的几部分（最后一部分可以较短），然后将这几部分相加，舍弃最高进位后的结果就是该关键字的哈希地址。具体方法有折叠法与移位法。

例如，key=12360324711202065，哈希表长度为1000，则应把关键字分成3位一段，在此舍去最低的两位65，分别进行移位叠加和折叠叠加，求得哈希地址为105和907，如图所示。

28720913-8612-eb11-8da9-e4434bdf6706.png

4. 除留余数法：

假设哈希表长为m，p为小于等于m的最大素数，则哈希函数为： H(k)=k%p其中%为模p取余运算。

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

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：

此时没有冲突，如图8.27所示。

29720913-8612-eb11-8da9-e4434bdf6706.png

5. 伪随机数法：

采用一个伪随机函数做哈希函数，即h(key)=random(key)。

在实际应用中，应考虑的因素有：

a. 计算哈希函数所需时间 （简单）。
b. 关键字的长度。
c. 哈希表大小。
d. 关键字分布情况。
e. 记录查找频率。

8.4.2 处理冲突的方法

1. 开放定址法 （再散列法 ）

【基本思想】

当关键字key的初始哈希地址

出现冲突时，以
为基础，产生另一个哈希地址
，如果
仍然冲突，再以
为基础，产生另一个哈希地址
，…，直到找出一个不冲突的哈希地址
，将相应元素存入其中。

这种方法有一个通用的再散列函数形式：

或等价写为

其中

为哈希函数，
，m为表长，
称为
增量序列。

增量序列的取值方式不同，相应的再散列方式也不同。主要有以下三种：

（1）线性探测再散列

其特点是：冲突发生时，顺序查看表中下一单元，直到找出一个空单元或查遍全表。

（2）二次探测再散列

其特点是：冲突发生时，在表的左右进行跳跃式探测，比较灵活。

（3）伪随机探测再散列

具体实现时，应建立一个伪随机数发生器。

例：已知哈希表长度m=12，哈希函数为

，则
，假设下一个关键字为69，则
，与47冲突。

（1）如果用线性探测再散列处理冲突，下一个哈希地址为

，仍然冲突，再找下一个哈希地址为
，还是冲突，继续找下一个哈希地址为
，此时不再冲突，将69填入6号单元，如图(a)所示。

（2）如果用二次探测再散列处理冲突，下一个哈希地址为

，仍然冲突，再找下一个哈希地址为
，此时不再冲突，将69填入2号单元，如图(b)所示。

（3）如果用伪随机探测再散列处理冲突，且伪随机数序列为2，5，9，…，则下一个哈希地址为

，仍然冲突，再找下一个哈希地址为
，此时不再冲突，将69填入8号单元，如图(c)所示。

2a720913-8612-eb11-8da9-e4434bdf6706.png

从上述例子可以看出，线性探测再散列容易产生“二次聚集”，即在处理同义词的冲突时又导致非同义词的冲突。

线性探测再散列的优点是：只要哈希表不满，就一定能找到一个不冲突的哈希地址，而二次探测再散列和伪随机探测再散列则不一定。

如果要在上述哈希表中删除一个记录，则需要在该记录的位置上填入一个特殊记录，否则将无法找到在其后填入的同义词记录。

2. 再哈希法

【基本思想】

同时构造多个不同的哈希函数：

，

当哈希地址
发生冲突时，再计算
……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。

3. 链地址法

【基本思想】

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：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

，给出用链地址法处理冲突的结果，计算平均查找长度，如图8.29所示。

2b720913-8612-eb11-8da9-e4434bdf6706.png

平均查找长度

4. 建立公共溢出区

【基本思想】

将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素一律填入溢出表。

8.4.3 哈希表的查找过程

【算法思想】

当查找关键字为K的元素时：

  • （1）首先计算
    ；
  • （2）如果单元
    为空，则所查元素不存在；
  • （3）如果单元
    中元素的关键字为K，则找到所查元素；
  • （4）否则重复下述解决冲突的过程：
    a. 按解决冲突的方法，找出下一个哈希地址
    ；

    b. 如果单元
    为空，则所查元素不存在；

    c. 如果单元
    中元素的关键字为K，则找到所查元素。

8.4.4 哈希法性能分析

由于冲突的存在，哈希法仍需要进行关键字比较，因此，需用平均查找长度来评价哈希法的查找性能。

哈希法中影响关键字比较次数的因素有三个：哈希函数、处理冲突的方法以及哈希表的装填因子。哈希表的装填因子α的定义如下：

α可描述哈希表的装满程度。显然，α越小，发生冲突的可能性越小，而α越大，发生冲突的可能性也越大。

例：已知一组关键字序列（19，14，23，01，68，20，84，27，55，11，10，79），给出按哈希函数

和线性探测处理冲突构造所得哈希表ht[0…15]。

如图所示，其中，每个关键字下面带圈的数字，是放置该关键字时所进行的地址计算次数，或者说是放置该关键字时所进行的关键字比较次数（同时也是查找该关键字时所进行的关键字比较次数）。

2c720913-8612-eb11-8da9-e4434bdf6706.png

查找19时，通过计算H(19)=6，ht[16]=19，查找成功。则查找关键字19，仅需要计算一次地址就可以找到。

查找01时，通过计算H(01)=1，ht[1]=14，但14不等于01，则找第一次冲突处理后的地址

；此时，ht[2]=01，查找成功，因此查找关键字01时，需要计算第二次地址才可以找到。

查找55时，通过计算H(55)=3，ht[3]=68，但68不等于55，则找第一次冲突处理后的地址

；此时，ht[4]=27，但27不等于55，则第二次冲突后处理地址
；此时，ht[5]=55，查找成功，因此查找关键字55时，需要计算三次地址才能找到。

（1）手工计算等概率情况下查找成功的平均查找长度公式

其中，

为查找第i个元素时所需的比较次数（即置入第i个元素时所需的比较次数）。

因此，对图8.30采用线性探测再散列法处理冲突的哈希表，可计算出在等概率情况下其查找成功的平均查找长度为

（2）手工计算在等概率情况下查找不成功的平均查找长度公式

其中，

为哈希函数取值为i时查找不成功的比较次数。

查找不成功的情况分两种，一种是遇到空单元，另一种是按解决冲突的方法完全探测一遍后仍未找到。0到r-1相当于r个不成功查找的入口，从每个入口进入后，直到确定查找不成功为止，其关键字的比较次数就是与该入口对应的不成功查找长度。

因此，对图8.30采用线性探测再散列法处理的哈希表，可计算出在等概率情况下其查找不成功的平均查找长度为

返回目录：

Chilan Yu：《数据结构》目录链接​zhuanlan.zhihu.com
26720913-8612-eb11-8da9-e4434bdf6706.png
查找——散列表（哈希表）的查找
Blusher1的博客
07-11 1211
这篇文章则介绍散列表（即哈希表）的查找方法。
数据结构（六）—— 散列查找（4）：散列表的性能分析
大彤小忆的博客
06-08 2825
4. 散列表的性能分析4.1 线性探测法的查找性能4.2 平方探测法和双散列探测法的查找性能4.3 分离链接法的查找性能4.4 开放地址法 vs 分离链法 4. 散列表的性能分析   ⋆\star⋆ 平均查找长度（ASL）用来度量散列表查找效率：成功、不成功   ⋆\star⋆ 关键词的比较次数，取决于产生冲突的多少    影响产生冲突多少有以下三个因素：     (1）散列函数是否均匀；     (2）处理冲突的方法；     (3）散列表的装填因子α。    分析： 不同冲突处理方法、装填因子对效率的.
利用哈希查找链地址法查找元素
01-05
#include #include typedef struct node { int data; struct node *next; }node; init_hash(node **A,int n) { int i; for(i=0;idata=0; A[i]->next=NULL; } } insert_hash(node **A,int value,int n) { int key; node *p,*q; key=value%n; if(A[key]->next!=NULL) { p=A[key]->next; while(p->next!=NULL) p=p->next; q=(node *)malloc(sizeof(node)); q->data=value; q->next=NULL; p->next=q; } else { q=(node *)malloc(sizeof(node)); q->data=value; q->next=NULL; A[key]->next=q; } } int search_hash(node **A,int value,int n) { int key; node *p; key=value%n; if(A[key]->next==NULL) return 0; else { p=A[key]->next; while(p!=NULL) { if(p->data==value) return 1; } return 0; } } delete_hash(node **A,int value,int n) { int key; node *p,*q; key=value%n; p=A[key]; q=A[key]->next; while(q->data!=value) { p=q; q=q->next; } p->next=q->next; free(q); } print_hash(node **A,int n) { int i; node *p; for(i=0;inext!=NULL) { p=A[i]->next; while(p!=NULL) { printf("%d ",p->data); p=p->next; } } } printf("\n"); } main() { int i,n,value,Case; node **A; printf("输入待排序元素个数：\n"); scanf("%d",&n); A=(node **)malloc(sizeof(node*)*n); //申请一个指针型数组A[n] init_hash(A,n);//初始化数组A printf("输入hash表的值(空格键分开)：\n"); for(i=0;i<n;i++) //建hash表 { scanf("%d",&value); insert_hash(A,value,n); } printf("请选择hash表的操作\n1.查询\t2.插入\t3.删除\t4.输出\n"); scanf("%d",&Case); switch(Case) { case 1: { printf("请输入要查询的元素:"); scanf("%d",&value); printf(search_hash(A,value,n)?"Success!\n":"Failure!\n"); //查询 } case 2: { printf("请输入要插入的元素:"); scanf("%d",&value); insert_hash(A,value,n); //插入 } case 3: { printf("请输入要删除的元素:"); scanf("%d",&value); printf(search_hash(A,value,n)?"删除成功!\n":"表中不存在该元素!\n"); delete_hash(A,value,n); } case 4: //输出 { printf("表中元素为：\n"); print_hash(A,n); } } }
DS哈希查找--链地址法
hhhertzzz的博客
12-23 2262
题目描述 给出一个数据序列，建立哈希表，采用求余法作为哈希函数，模数为11，哈希冲突用链地址法和表头插入 如果首次查找失败，就把数据插入到相应的位置中 实现哈希查找功能 输入 第一行输入n，表示有n个数据 第二行输入n个数据，都是自然数且互不相同，数据之间用空格隔开 第三行输入t，表示要查找t个数据 从第四行起，每行输入一个要查找的数据，都是正整数 输出 每行输出对应数据的查找结果,每个结果表示为数据所在的位置[0-11)和查找次数,中间用空格分开。 样例输入 6 11 23 39 48 75 62 6 .
结构体定义时写数据_数据结构｜标准库的映射字典、自定义线性、哈希映射
weixin_39728909的博客
11-30 169
我们知道，对于数组，我们知道了首地址，通过其下标及运算，便可以随机访问其元素。其访问的时间复杂度为O(1)，这是数组的优势。但如果把数字下标变为其它类型(如字符串)，是否可以建立映射关系呢？通过定义哈希函数便可以将字符串映射为一个整数，用做数组的下标索引。1 标准库的映射字典C++ STL的映射字典使用红黑树做为底层的数据结构，红黑树的访问的时间复杂度为：O(logn)。哈希的时间复杂度虽然是O(...
hash地址_Hash冲突之开放地址法
weixin_39666931的博客
11-21 426
来源：趣谈编程作者：趣谈编程Hash碰撞慧能一尘，国庆节过完了，还记得Hash函数吗？当然记得了，Hash函数就是将任意长度的输入转化成固定长度的输出的一类函数一尘比如说我的输入是任意一个自然数(0,1,2,3...)，而我要求经过一个函数后我的输出的数的范围要在0-9这样一个范围之间。很容易想到，我们可以使用Hash函数：其中key就是输入在哈希表(散列表)里，Hash函数的作用就是将...
asl.zip_ASL _ASL code_trace
09-21
通过深入理解和分析asl.zip中的ASL代码，可以学习到如何实现这样的按需路由协议，并从中获取对MANETs路由设计的洞察。这将涉及网络层协议、分布式算法以及优化策略等多个方面的知识。对于计算机科学和网络工程专业的...
基于文本实现简单哈希散列表并计算ASL
qq_62617798的博客
08-08 333
本次实验会根据一段文本，利用按字母、按发音、以及折叠的三种方式实现三个Hash表，并且计算各自的ASL（平均搜索长度）和搜索次数。
c语言，计算折半查找与哈希查找的ASL
最新发布
06-07
我们正在讨论折半查找（二分查找）和哈希查找的平均搜索长度（ASL）在C语言中的实现和计算方法。首先，需要明确ASL的含义：平均查找长度（AverageSearchLength）是指在所有成功（或不成功）查找过程中进行关键字比较...
不同表结构数据迁移_简单易懂数据结构之哈希表
weixin_39666782的博客
12-06 256
Hash表被称作哈希表，也叫做散列表。哈希表是一种比较特殊的数据结构，它遵循函数映射的思想，以Key: Value的方式存储数据。哈希表最大的特点是可以快速定位到要查找的数据，查询的时间复杂度接近O(1).哈希表的设计原理假如我们有一组数据,某位工程师每年的收入情况2017 -- 100000 2018 -- 130000 2019 -- 140000 2020 -- 200000如果我们用普通的...
面试官：哈希表都不知道，你是怎么看懂HashMap的？
smily的博客
09-25 1422
HashMap是Java面试中的必问考点之一，网上关于HashMap实现原理的文章数不胜数。但是在翻阅了大部分HashMap相关的文章之后，发现大多数文章都是对HashMap源码的分析，丝毫没有提到哈希表的概念。这就导致了很多人只记住了HashMap的原理，却不知哈希表为何物的奇特现象。很多情况下，面试官可能并不会直接问HashMap是如何实现的，而是抛出一个质问三连：...
广义表的建立与基本操作 c++_超萌新级的学习心得——哈希表
weixin_39566593的博客
11-14 234
哈希表哈希表是一个很重要的数据结构，是一个使用散列函数储存数据的数组。首先，要区分一个概念，哈希表是一个数组，而日常听人解释说：根据一个键值(key)找到一个值(value)，这个东西是映射函数，也叫散列函数，哈希表就是使用这个函数将两个值并存起来的一个数据结构，本质其实是一个数组，不是两个数组。存储值的步骤如下：获得值x，根据散列函数计算出一个值k。然后将x存在地址k处(如果是数组的话为a[k]...
C. DS哈希查找--链地址法(表头插入)
weixin_62438655的博客
12-08 1002
给出一个数据序列，建立哈希表，采用求余法作为哈希函数，模数为11，哈希冲突用链地址法和表头插入.
哈希算法原理和实现
热门推荐
qq_46359697的博客
09-13 1万+
哈希算法原理和实现 前言 当我们在编程过程中，往往需要对线性表进行查找操作。在顺序表中查找时，需要从表头开始，依次遍历比较a[i]与key的值是否相等，直到相等才返回索引i；在有序表中查找时，我们经常使用的是二分查找，通过比较key与a[i]的大小来折半查找，直到相等时才返回索引i。最终通过索引找到我们要找的元素。 　　　但是，这两种方法的效率都依赖于查找中比较的次数。我们有一种想法，能不能不经过比较，而是直接通过关键字key一次得到所要的结果呢？这时，就有了散列表查找（哈希表）。 1、什么是哈希表 要说哈
哈希查找之链地址法解决冲突（代码封装实现）
weixin_33806509的博客
08-06 296
链地址法的基本思想是：将全部哈希地址为i 的元素构成一个称为同义词链的链表，并将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。  该散列方法首先对关键码集合用某一个散列函数计算它们的存放位置。 若设散列表地址空间的全部位置是从0到m-1，则关键码集合中的全部关键码被划分为m个子集，具有同样地址的关键码归于同一子集。我们称同一子集中的关键...
DS哈希查找--链地址法(表头插入)
m0_74919335的博客
01-25 727
给出一个数据序列，建立哈希表，采用求余法作为哈希函数，模数为11，哈希冲突用链地址法和表头插入如果首次查找失败，就把数据插入到相应的位置中实现哈希查找功能。
字典哈希表的实现原理_自定义哈希表实现
weixin_39755712的博客
12-06 246
哈希表概念散列表(Hash table，也叫哈希表)，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。这个映射函数叫做散列函数，存放记录的数组叫做散列表。给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash)表，函数f(key)为...
A : DS哈希查找–链地址法
风吹落叶的博客
08-06 1920
A : DS哈希查找–链地址法 Time Limit: 1 Sec Memory Limit: 128 Mb Submitted: 13 Solved: 9 Description 给出一个数据序列，建立哈希表，采用求余法作为哈希函数，模数为11，哈希冲突用链地址法和表头插入 如果首次查找失败，就把数据插入到相应的位置中 实现哈希查找功能 Input 第一行输入n，表示有n个数据 第二行输入n个数据，都是自然数且互不相同，数据之间用空格隔开 第三行输入t，表示要查找t个数.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值