开放地址法散列

开放地址法

开放地址法是另一种(相对于分离链接法)解决散列冲突的方法。适用于装填因子(散列表中元素个数和散列表长度比)较小(小于0.5)的散列表。

开放地址法中索引的计算方法为$$h_{i}(x) = (Hash(X) + F(i)) % TableSize$$,其中:

  • Hash(x)为索引的计算方法
  • F(i)为冲突的解决函数,有F(0) = 0,i为已经尝试计算索引的次数

F(i)一般有:

  • 线性探测法:$$F(i) = i$$,即每次冲突则向下寻找1个位置,直到找到不冲突的位置,容易产生“一次聚集”的现象(数据集中在某一个地址区域)
  • 平方探测法:$$F(i)=i^{2}$$,每次冲突按平方寻找下一个位置,直到找到不冲突的位置
  • 双散列:$$F(i) = i\cdot hash_{2}(x)$$,即发生冲突后使用第二个散列函数计算下一个位置

代码实现

数据结构

结构体

// 节点数据
type tableData struct {
    data int
}

// 节点
type tableNode struct {
    flag bool       //是否已经插入数据,用于冲突检测
    key  string     //关键字
    data tableData  //节点数据
}

构造函数

func newTableNode(key string, data tableData) *tableNode {
    return &tableNode{false, key, data}
}

散列表

结构体

type hashTable struct {
    table  [17]tableNode
    length int
}

方法

计算散列值

func (h *hashTable) hashCompute(key string) int {
    hash := 0
    for i := range key {
        hash = hash + int(key[i])*32
    }
    return hash % h.length
}

插入方法

func (h *hashTable) insert(key string, data tableData) error {
    hash, i := h.hashCompute(key), 0
  
    // 若发生冲突,则搜索下一个位置 
    for i = 0; h.table[(i+hash)%h.length].flag != false && h.table[(i+hash)%h.length].key != key; i++ {
        if i == h.length {
            // 若找不到,则表满,返回错误
            return errors.New("table full")
        }
    }
    hash = (i + hash) % h.length
    
    // 插入数据
    h.table[hash].data = data
    h.table[hash].flag = true
    h.table[hash].key = key
    return nil
}

访问方法

func (h *hashTable) visit(key string) (tableData, error) {
    hash := h.hashCompute(key)
    for index := 0; h.table[(index+hash)%h.length].flag == true; index++ {
        if h.table[(index+hash)%h.length].key == key {
            return h.table[(index+hash)%h.length].data, nil
        }
    }
    return tableData{}, errors.New("not find")
}

构造函数

func newHashTable() *hashTable {
    data := &hashTable{}
    data.length = 17
    for i := range data.table {
        data.table[i] = *newTableNode("", tableData{})
    }
    return data
}
    原文作者:月见樽
    原文地址: https://www.jianshu.com/p/fd8005b9c0a6
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞