第15周、项目2.1—用哈希法组织关键字

本文探讨了哈希表的基本概念及其在解决冲突时采用线性探测法的具体实现过程,通过实例展示了如何计算关键字的哈希值、处理冲突以及计算成功情况下的平均查找长度。
部署运行你感兴趣的模型镜像

问题及代码:

/*  
 *Copyright(c) 2015,烟台大学计算机与控制工程学院  
 *All rights reserved.  
 *文件名称:test.cpp  
 *作    者:焦梦真  
 *完成日期:2015年12月7日  
 *版 本 号;v1.0  
 *  
 *问题描述:已知一个关键字序列为if、while、for、case、do、break、else、struct、union、int、double、float、char、long、bool,共15个字符串,哈希函数H(key)为关键字的第一个字母在字母表中的序号,哈希表的表长为26。 
         (1)若处理冲突的方法采用线性探测法,请设计算法,输出每个关键字对应的H(key),输出哈希表,并求成功情况下的平均查找长度。 
 *输入描述:  
 *程序输出:  
 */    
#include <stdio.h>
#include <string.h>
#define N 15
#define M 26
int H(char *s)
{
    return ((*s-'a'+1)%M);
}

int main()
{
    char *s[N]= {"if", "while", "for", "case", "do", "break", "else", "struct", "union", "int", "double", "float", "char", "long", "bool"};
    int i, j, k;
    char HT[M][10];
    int Det[M];   //存放探测次数
    for(i=0; i<M; i++)
    {
        HT[i][0]='\0';
        Det[i]=0;
    }
    printf("字符串 key\tH(key)\n");
    printf("------------------------\n");
    for(i=0; i<N; i++)
    {
        j=H(s[i]);  //求哈希值
        printf("%s\t\t%d\n", s[i],j);
        k=0;   //探测次数初值
        while(1)
        {
            k++;    //累加探测次数
            if(HT[j][0]=='\0')   //当不冲突时,直接放到该处
            {
                strcpy(HT[j], s[i]);
                break;
            }
            else    //冲突时,采用线性探查法求下一个地址
            {
                j=(j+1)%M;
            }
        }
        Det[j]=k;
    }
    printf("---------------------\n");
    printf("哈希表\n");
    printf("位置\t字符串\t探查次数\n");
    printf("---------------------\n");
    for(i=0; i<M; i++)
        printf("%d\t%s\t%d\n", i, HT[i], Det[i]);
    printf("---------------------\n");
    k=0;
    for(i=0; i<M; i++)
        k+=Det[i];
    printf("查找成功情况下的平均查找长度 %f\n", 1.0*k/N);
    return 0;
}

运行结果:

您可能感兴趣的与本文相关的镜像

GPT-SoVITS

GPT-SoVITS

AI应用

GPT-SoVITS 是一个开源的文本到语音(TTS)和语音转换模型,它结合了 GPT 的生成能力和 SoVITS 的语音转换技术。该项目以其强大的声音克隆能力而闻名,仅需少量语音样本(如5秒)即可实现高质量的即时语音合成,也可通过更长的音频(如1分钟)进行微调以获得更逼真的效果

### 再哈希法的概念 再哈希法是一种用于解决哈希冲突的方法,其核心思想是准备多个不同的哈希函数。当发生哈希冲突时,使用另一个哈希函数重新计算元素的哈希值,直到找到一个空位置为止[^2]。 这种方法通过引入额外的哈希函数来减少冲突的可能性,从而提高查找效率。然而,需要注意的是,如果设计不当,可能会导致新的冲突或者增加计算复杂度。 ### 实现方式 以下是基于 Python 的一种简单的再哈希法实现: ```python class RehashTable: def __init__(self, size): self.size = size self.table = [None] * size def hash_function(self, key, i=0): # 初始哈希函数 return (key % self.size + i) % self.size def rehash_function(self, key, i): # 使用线性探测作为再哈希策略之一 return (key % self.size + i * 3) % self.size def insert(self, key): for i in range(self.size): index = self.hash_function(key, i) if self.table[index] is None or self.table[index] == 'DELETED': self.table[index] = key return True # 如果初始哈希失败,则尝试再哈希 rehashed_index = self.rehash_function(key, i) if self.table[rehashed_index] is None or self.table[rehashed_index] == 'DELETED': self.table[rehashed_index] = key return True raise OverflowError("Hash table is full") def search(self, key): for i in range(self.size): index = self.hash_function(key, i) if self.table[index] == key: return index elif self.table[index] is None: break rehashed_index = self.rehash_function(key, i) if self.table[rehashed_index] == key: return rehashed_index elif self.table[rehashed_index] is None: break return -1 # 测试代码 table = RehashTable(7) keys_to_insert = [50, 700, 76, 85, 92, 73, 101] for key in keys_to_insert: try: table.insert(key) except OverflowError as e: print(e) print(table.search(76)) # 输出索引位置 ``` 上述代码展示了如何利用再哈希技术处理冲突的情况。`insert` 方法会先尝试使用原始哈希函数插入键值;如果发现冲突,则调用 `rehash_function` 进行再次散列操作。 ### 注意事项 尽管再哈希可以有效缓解某些类型的冲突问题,但它也存在一些局限性。例如,在极端情况下,可能需要多次迭代才能成功定位可用槽位,这可能导致性能下降。因此,在实际应用中需谨慎选择合适的哈希算法组合以及合理的负载因子。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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