Question

假设您有这两个字符串序列

abc cba bc

bc abc cba

我正在尝试为这些序列创建一个映射（序列也是一个字符串），以便上面两个序列映射到同一个桶中。

我最初的想法是添加分别应用于每个字符串的散列函数的结果。这样他们的顺序无关紧要。如果我将散列函数作为一个整体应用于序列字符串，那么散列结果当然会有所不同。

然而，我对字符串散列函数的世界很新，我不知道这种方法是否有效。

在本网站http://www.partow.net/programming/hashfunctions/index.html

我发现了很多不同的字符串哈希实现，但是我不确定哪一个对我的需求来说是“最好的”。

序列中每个字符串的一些技术细节是每个字符串不超过25个字符。此外，每个序列的字符串不会超过3个。

问题

1.这种方法是将字符串散列函数的结果添加到序列的每个字符串中吗？

2.如果是，我应该使用哪个字符串哈希函数，这会产生少量的冲突并且也是时间效率的？

提前谢谢

Answer 1

只是想法演示（非常低效的字符串复制），复杂度O（NlogN），其中N是键的大小（=== O（1），如果你的键在编译时已知长度不变），我不知道认为你可以做更好的复杂性：

#include <boost/functional/hash.hpp>
#include <set>
#include <algorithm>

std::size_t make_hash(
  std::string const& a,
  std::string const& b,
  std::string const& c)
{
    std::string input[] = {a,b,c};
    std::sort(input, input + (sizeof(input)/sizeof(*input)));
    return boost::hash_range(input, input + (sizeof(input)/sizeof(*input)));
}

#include <iostream>
// g++ -I.../boost_1_47_0 string_set_hash.cpp
int main()
{
    std::cout << make_hash("abc", "bcd", "def") << std::endl; // 46247451276990640
    std::cout << make_hash("bcd", "def", "abc") << std::endl; // 46247451276990640
}

boost / functional / hash.hpp的片段供参考：

template <class T>
inline void hash_combine(std::size_t& seed, T const& v)

{
    boost::hash<T> hasher;
    seed ^= hasher(v) + 0x9e3779b9 + (seed<<6) + (seed>>2);
}

template <class It>
inline std::size_t hash_range(It first, It last)
{
    std::size_t seed = 0;

    for(; first != last; ++first)
    {
        hash_combine(seed, *first);
    }

    return seed;
}

Answer 2

无论你选择哪种散列函数，你都需要一个运算符来表示每个散列的最终组合：

交换
缔合

总和，产品和排他性或想到作为整数值的候选者。所以是的，添加会起作用。你仍然会遇到需要解决的无关序列的冲突，所以你需要一个字符串比较函数，但同一组字符串的排列最终会在同一个桶中。

你也可以颠倒操作顺序：首先在字符串中添加字符串（例如，添加“ab”和“cba”变为（'a'+'c'）（'b'+'b'）（ '\ 0'+'a'）带有sum或product的进位传播，因此xor或许是一个有趣的候选者，然后应用哈希函数。您甚至可以在执行这两个操作时将它们组合在一起（伪代码如下）：

int hash(string a, string b, string c){
    int r = 0, k;
    int m = max(a.length(), max(b.length(), c.length()));
    for (int i = 0; i < m; i++) {
        k = ( i < a.length()? a[i] : 0) ^
              (i < b.length()? b[i] : 0) ^
              (i < c.length()? c[i] : 0);
        r = hash(r,k);
    }
    return r;
}

使用hash增量散列函数。对于足够大的素数（即大于桶阵列的预期大小）的简单模数应该可以用于正常目的。

一个完全不同（更好的？）解决方案是简单地对序列进行排序（3个条目意味着准恒定时间），然后使用比较函数制作有序映射，将字符串视为3位数字的“数字”。但这超出了问题的范围。

Answer 3

我会单独散列每个元素。

然后对那些哈希进行排序。排序3 size_t很快。

然后将这些哈希链接起来。您的库可能具有哈希链函数，甚至可以使用带溢出包的hash( a+b+c )。

避免使用xor，因为xor两个相同的哈希值为零。并且相同字符串的哈希是相同的。因此，天真的xor可能导致( a,a,b )和( c,c,b )具有相同的哈希输出，这很糟糕。

C ++：关于字符串序列的哈希函数的建议，其中字符串的顺序是无关紧要的

3 个答案: