Algorithms - Data Structure - Perfect Hashing - 完全散列
zzYzz 人气:0相关概念 散列表 hashtable 是一种实现字典操作的有效数据结构. 在散列表中,不是直接把关键字作为数组的下标,而是根据关键字计算出相应的下标. 散列函数 hashfunction'h' 除法散列法 通过取k除以m的余数,将关键k映射到m个slot中的某一个上.即散列函数为:h(k)=kmodm 比如:散列表的大小m=12,关键字k=100,则h(k)=100mod12=4,放到slot4中. 由于只需做一次除法,所以除法散列法速度非常快. 当选择除法散列法的时候,要避免选择m的某些值。例如,m不应为2的幂.因为如果m=2的p次幂. 则h(k)=就是k的p个最低位数字. 一个不太接近2的整数次幂的素数,常常是m的一个较好的选择.例如,假定我们要分配一个张散列表用链接 法解决冲突,表中大约要存放n=2000个字符串,其中每个字符串有8位.如果我们不介意一次不成功的查找 需要平均检查3个元素,这样分配散列表的大小为701.因为701是一个接近2000/3但是又不接近2的任何次幂的素数. 乘法散列法 乘法散列法包含两个步骤:第一:用关键字k乘上常数A(0<A<1),并提取kA的小数部分. 第二步,用m乘以这个值,再向下取整:h(k)=int(m(KAmod1)) 乘法散列的一个优点是对m的选择不是特别关键,一般选m为2个某个次幂.m=2的p次幂. 开放寻址 openaddressing 开放寻址openaddressing中,所有元素都存放在散列表里. 每个表项或包含动态集合的一个元素,或包含NIL.当查找某个元素的时候,要系统的检查所有表项,直到找到所需的元素或最终找不到该元素. 有三种技术常用来计算开放寻址法中的probesequence探查序列:线性探查,二次探查和双重探查. 线性探查 linearprobing: 散列函数:h(k,i)=(h'(k)+i)modm 二次探查 quadraticprobing:散列函数:h(k,i)=(h'(k)+c1i+c2i*i)modm 双重散列 doublehashing:是用于开放寻址的最好方法,因为它所产生的排列具有随机选择排列的许多特性. 散列函数:h(k,i)=(h1(k)+i*h2(k)modm 为了能查找整个散列表,值h2(k)必须要与表的大小m互素.一种简单的方法确保这个条件成立,就是取m为2的幂. 并设计一个总产生奇数的h2.另一个方法是:取m为素数,并设计一个总是返回较m小的正整数的函数h2. 例如: h1(k) = k mod m, h2(k) = 1 + (k mod m') , 其中 m' 略小于 m, 比如 m' = m-1
Python program Perfect hashing Using perfect hashing to store K=[10,22,37,40,52,60,70,72,75]
注: 下图中所示元素 40 的位置是不对的. 最后 T 为:
T = [[1,0,0,10], 'NIL', [9,10,18,'NIL','NIL','NIL',60,72,'NIL','NIL',75,'NIL'], \
'NIL', 'NIL', [1,0,0,70], 'NIL', [16,23,88,'NIL','NIL','NIL','NIL','NIL','NIL',\
40,52,22,'NIL','NIL','NIL','NIL',32,'NIL'], 'NIL']
def produce_t(T0): import copy T = copy.deepcopy(T0) for i in range(len(T)): if T[i] != 'NIL': T[i] = T[i] + ['NIL' for x in range(T[i][0])] return T def h(k, m=9, a=3, b=42, p=101,): # h function # a = 3 # b = 42 # p = 101 # m = 9 return ((a*k + b) % p)%m def perfect_hash(T, k): h1 = h(k) h2 = h(k,T[h1][0],T[h1][1],T[h1][2]) T[h1][h2+3] = k print(' h1 and h2 : ', h1,h2) if __name__ == '__main__': #m = 9 K = [10, 22, 37, 40, 52, 60, 70, 72, 75] # T = [[1,0,0,10], 'NIL', [9,10,18,'NIL','NIL','NIL',60,72,'NIL','NIL',75,'NIL'], \ # 'NIL', 'NIL', [1,0,0,70], 'NIL', [16,23,88,'NIL','NIL','NIL','NIL','NIL','NIL',\ # 40,52,22,'NIL','NIL','NIL','NIL',32,'NIL'], 'NIL'] T0 = [[1, 0, 0], 'NIL', [9, 10, 18], 'NIL', 'NIL', [1, 0, 0], 'NIL', [16, 23, 88], 'NIL'] print('Initializing T') T = produce_t(T0) #print(T0) print('T: ', T) print('example of the element 75') print('h result of 75') print(h(75)) print('Hashing of 75') perfect_hash(T, 75) print('T: ', T) print('Hashing of list K') for i in K: print('Hashing of : ', i) perfect_hash(T,i) print('T: ', T) 结果打印: Initializing T T: [[1, 0, 0, 'NIL'], 'NIL', [9, 10, 18, 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL'],
'NIL', 'NIL', [1, 0, 0, 'NIL'], 'NIL',
[16, 23, 88, 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL'], 'NIL']
example of the element 75 h result of 75 2 Hashing of 75 h1 and h2 : 2 7 T: [[1, 0, 0, 'NIL'], 'NIL', [9, 10, 18, 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 75, 'NIL'],
'NIL', 'NIL', [1, 0, 0, 'NIL'], 'NIL',
[16, 23, 88, 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL', 'NIL'], 'NIL']
Hashing of list K Hashing of : 10 h1 and h2 : 0 0 Hashing of : 22 h1 and h2 : 7 9 Hashing of : 37 h1 and h2 : 7 14 Hashing of : 40 h1 and h2 : 7 3 Hashing of : 52 h1 and h2 : 7 8 Hashing of : 60 h1 and h2 : 2 3 Hashing of : 70 h1 and h2 : 5 0 Hashing of : 72 h1 and h2 : 2 4 Hashing of : 75 h1 and h2 : 2 7 T: [[1, 0, 0, 10], 'NIL', [9, 10, 18, 'NIL', 'NIL', 'NIL', 60, 72, 'NIL', 'NIL', 75, 'NIL'],
'NIL', 'NIL', [1, 0, 0, 70], 'NIL',
[16, 23, 88, 'NIL', 'NIL', 'NIL', 40, 'NIL', 'NIL', 'NIL', 'NIL', 52, 22, 'NIL', 'NIL', 'NIL', 'NIL', 37, 'NIL'], 'NIL']
Reference
1. Introduction to algorithms
加载全部内容