第15周项目2-用哈希法组织关键字

哈希表实现与分析
本文介绍了使用线性探测法和链地址法处理哈希冲突的两种算法实现,并通过具体实例展示了如何构建哈希表,计算查找长度。

问题及代码:

/* 
* Copyright(c) 2016, 烟台大学计算机与控制工程学院 
* All rights reserved. 
* 文件名称: 
* 作    者:路亚丽 
* 完成日期:2016年  12月 8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。  
  (2)若处理冲突的方法采用链地址法,请设计算法,输出哈希表,并计算成功情况和不成功情况下的平均查找长度。  
   
  输入描述:无 
  程序输出:测试数据 
*/    
线性探测法:

代码:

#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:

拉链法:

代码:

#include <stdio.h>  
#include <string.h>  
#include <malloc.h>  
#define N 15  
#define M 26  
typedef struct node   //定义哈希链表的节点类型  
{  
    char *key;  
    struct node *next;  
} LNode;  
  
typedef struct  
{  
    LNode *link;  
} HTType;  
  
int H(char *s)   //实现哈希函数  
{  
    return ((*s-'a'+1)%M);  
}  
  
//构造哈希表  
void Hash(char *s[], HTType HT[])  
{  
    int i, j;  
    LNode *q;  
    for(i=0; i<M; i++)   //哈希表置初值  
        HT[i].link=NULL;  
    for(i=0; i<N; i++)   //存储每一个关键字  
    {  
        q=(LNode*)malloc(sizeof(LNode));   //创建新节点  
        q->key = (char*)malloc(sizeof(strlen(s[i])+1));  
        strcpy(q->key, s[i]);  
        q->next=NULL;  
        j=H(s[i]);    //求哈希值  
        if(HT[j].link==NULL)   //不冲突,直接加入  
            HT[j].link=q;  
        else        //冲突时,采用前插法插入  
        {  
            q->next = HT[j].link;  
            HT[j].link=q;  
        }  
    }  
}  
  
//输出哈希表  
void DispHT(HTType HT[])  
{  
    int i;  
    LNode *p;  
    printf("哈希表\n");  
    printf("位置\t关键字序列\n");  
    printf("---------------------\n");  
    for(i=0; i<M; i++)  
    {  
        printf(" %d\t", i);  
        p=HT[i].link;  
        while(p!=NULL)  
        {  
            printf("%s ", p->key);  
            p=p->next;  
        }  
        printf("\n");  
    }  
    printf("---------------------\n");  
}  
  
//求查找成功情况下的平均查找长度  
double SearchLength1(char *s[], HTType HT[])  
{  
    int i, k, count = 0;  
    LNode *p;  
    for(i=0; i<N; i++)  
    {  
        k=0;  
        p=HT[H(s[i])].link;  
        while(p!=NULL)  
        {  
            k++;   //p!=NULL,进入循环就要做一次查找  
            if(strcmp(p->key, s[i])==0)   //若找到,则退出  
                break;  
            p=p->next;  
        }  
        count+=k;  
    }  
    return 1.0*count/N;   //成功情况仅有N种  
}  
  
//求查找不成功情况下的平均查找长度  
double SearchLength2(HTType HT[])  
{  
    int i, k, count = 0;  //count为各种情况下不成功的总次数  
    LNode *p;  
    for(i=0; i<M; i++)  
    {  
        k=0;  
        p=HT[i].link;  
        while(p!=NULL)  
        {  
            k++;  
            p=p->next;  
        }  
        count+=k;  
    }  
    return 1.0*count/M;   //不成功时,在表长为M的每个位置上均可能发生  
}  
int main()  
{  
    HTType HT[M];  
    char *s[N]= {"if", "while", "for", "case", "do", "break", "else", "struct", "union", "int", "double", "float", "char", "long", "bool"};  
    Hash(s, HT);  
    DispHT(HT);  
    printf("查找成功情况下的平均查找长度 %f\n", SearchLength1(s, HT));  
    printf("查找不成功情况下的平均查找长度 %f\n", SearchLength2(HT));  
    return 0;  
}  

运行结果:


知识点总结:哈希法组织关键字

标题基于SpringBoot的马术俱乐部管理系统设计与实现AI更换标题第1章引言介绍马术俱乐部管理系统的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义阐述马术俱乐部管理系统对提升俱乐部管理效率的重要性。1.2国内外研究现状分析国内外马术俱乐部管理系统的发展现状及存在的问题。1.3研究方法以及创新点概述本文采用的研究方法,包括SpringBoot框架的应用,以及系统的创新点。第2章相关理论总结和评述与马术俱乐部管理系统相关的现有理论。2.1SpringBoot框架理论介绍SpringBoot框架的基本原理、特点及其在Web开发中的应用。2.2数据库设计理论阐述数据库设计的基本原则、方法以及在管理系统中的应用。2.3马术俱乐部管理理论概述马术俱乐部管理的基本理论,包括会员管理、课程安排等。第3章系统设计详细描述马术俱乐部管理系统的设计方案,包括架构设计、功能模块设计等。3.1系统架构设计给出系统的整体架构,包括前端、后端和数据库的交互方式。3.2功能模块设计详细介绍系统的各个功能模块,如会员管理、课程管理、预约管理等。3.3数据库设计阐述数据库的设计方案,包括表结构、字段设计以及数据关系。第4章系统实现介绍马术俱乐部管理系统的实现过程,包括开发环境、编码实现等。4.1开发环境搭建介绍系统开发所需的环境,包括操作系统、开发工具等。4.2编码实现详细介绍系统各个功能模块的编码实现过程。4.3系统测试与调试阐述系统的测试方法、测试用例以及调试过程。第5章系统应用与分析呈现马术俱乐部管理系统的应用效果,并进行性能分析。5.1系统应用情况介绍系统在马术俱乐部中的实际应用情况。5.2系统性能分析从响应时间、并发处理能力等方面对系统性能进行分析。5.3用户反馈与改进收集用户反馈,提出系统改进建议。第6章结论与展望总结马术俱乐部管理系统的设计与实现成果,并展望未来的研究
<think>嗯,用户想了解再哈希法如何解决哈希冲突,以及是否需要更换键值计算方式。首先,我需要回忆一下再哈希法的基本概念。再哈希法,也称为双哈希法,是处理哈希冲突的一种方法,当发生冲突时,使用第二个哈希函数重新计算键的位置,直到找到空槽为止。这不同于链地址法或开放定址法中的线性探测,因为它通过多个哈希函数来减少聚集现象。 根据引用[3]提到的,哈希函数的选择很重要,比如模除时最好用素数,这样可以减少冲突。再哈希法可能需要第二个哈希函数和第一个不同,比如使用不同的模数或者算法。用户的问题中提到是否需要更换键值计算方式,应该指的是当发生冲突时,是否使用不同的哈希函数来计算新的位置。是的,再哈希法就是通过更换哈希函数(即第二个哈希函数)来寻找下一个位置,所以键值计算方式确实会改变。 接下来,我需要解释再哈希法的具体步骤,比如第一次哈希函数计算出初始位置,冲突后使用第二个函数计算步长,然后探测下一个位置。同时,要强调第二个哈希函数的设计要点,比如与第一个函数独立,结果非零,避免聚集。引用[3]提到哈希函数不宜过于复杂,否则影响性能,所以再哈希法的第二个函数也需要在复杂度和效果之间平衡。 是否需要更换键值计算方式的问题,答案应该是肯定的,再哈希法通过不同的哈希函数(即更换计算方式)来寻找下一个可用位置。因此,在冲突发生时,键的位置是通过另一个哈希函数重新计算的,而不是简单地在原位置附近探测。 另外,引用[2]提到再哈希法适合查找性能要求高的场景,虽然计算时间可能较长。这里可能需要补充说明再哈希法的优缺点,比如减少聚集但增加计算开销。同时,引用[4]中的扩容问题可能相关,再哈希法在扩容时也需要重新计算所有键的位置,但用户的问题主要集中在冲突解决上,所以可以简要提及。 总结一下,回答需要包括再哈希法的定义、工作原理、是否需要更换键值计算方式、优缺点以及应用场景,并引用相关文献来支持这些点。同时,按照用户要求生成相关问题,比如与其他冲突解决方法的对比,哈希函数设计原则,再哈希法的性能分析等。</think>### 再哈希法解决哈希冲突的原理与键值计算方式 #### 1. 再哈希法的核心原理 再哈希法(Double Hashing)是一种通过**多个哈希函数**逐步探测空槽位的冲突解决方法。其核心步骤如下: - **首次哈希计算**:使用第一个哈希函数 $H_1(key)$ 计算初始位置; - **冲突处理**:若发生冲突,改用第二个哈希函数 $H_2(key)$ 计算**探测步长**,并按公式 $H(key, i) = (H_1(key) + i \cdot H_2(key)) \mod m$ 寻找下一个可用位置,其中 $i$ 为探测次数,$m$ 为哈希表大小[^3]。 #### 2. 是否需要更换键值计算方式? **需要**。再哈希法的核心在于: - **更换哈希函数**:当冲突发生时,通过第二个哈希函数重新计算键值的地址,而非直接修改原键值; - **避免聚集**:通过不同的哈希函数设计,减少线性探测中的“聚集”现象,提高查找效率[^2]。 #### 3. 再哈希法的实现要点 | 要点 | 说明 | |----------------|---------------------------------------------------------------------------------------| | 哈希函数独立性 | $H_1$ 和 $H_2$ 需满足独立性,例如 $H_1(key) = key \mod p$,$H_2(key) = q - (key \mod q)$($p$ 和 $q$ 为素数)[^3] | | 步长非零性 | $H_2(key)$ 的结果必须非零,否则会导致无限循环探测 | | 素数模数 | 哈希表大小和模数建议使用素数,以减少冲突概率 | #### 4. 优缺点对比 | 优点 | 缺点 | |--------------------------|------------------------------| | 有效减少聚集现象 | 计算复杂度较高 | | 适用于高查找性能要求场景 | 需设计多个高质量的哈希函数 | | 与扩容兼容性较好[^4] | 实现复杂度高于链地址法[^2] | #### 5. 示例代码片段 ```python def double_hashing(key, table_size, attempt): h1 = key % table_size # 第一个哈希函数 h2 = 7 - (key % 7) # 第二个哈希函数(确保步长非零) return (h1 + attempt * h2) % table_size ``` #### 6. 应用场景 - 高频查找场景(如数据库索引) - 对内存效率要求较高且哈希表大小固定的场景[^2] ---
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