我正在编写一个程序，它可以显着减少使用哈希函数时发生的冲突次数，例如key mod table_size＆＃39;。为此，我想使用遗传编程/算法。但我对此并不了解。即使在阅读了很多文章和例子之后，我也不知道在我的情况下（如在程序定义中）什么是适应度函数，目标（目标通常是所需的结果），什么会构成人口/个人和父母等。
如果可能的话，请帮我识别上述内容以及一些代码/伪代码片段，因为这是我的项目。
没有必要使用遗传编程/算法，它可以是使用进化编程/算法的任何东西。
感谢..
答案 0 :(得分：1)
我的建议是：不要这样做。关于散列函数的文献是巨大的，我们或多或少地理解什么是良好的散列函数。我们知道足够的数学不是盲目地寻找它们。 如果您需要使用哈希函数，有很多可供选择。
但是，如果这是你的uni项目而且你无法改变主题或将其引导到一个更易于管理的方向，那么正如你所注意到的那样，将会出现复杂的问题，即获得适应度函数和变异算子。据我所知，没有明显的候选人。
您可以查找，例如“严格的雪崩标准”并试着看看你是否可以在适应性和突变方面进行推理。
另一个问题是你想如何表现你的功能？只是一个布尔表达式？从AND，XOR，NOT，ROT等单词操作构建的东西？ 根据您的约束（或更确切地说，假设），适应性和变异的问题将会有所不同。
答案 1 :(得分：0)
广泛的适应性显然可以最大限度地减少“哈希模数表大小”模型中的冲突数量。 显而易见的部分是采用适当大的（非常重要的）代表性密钥分布并通过“候选”功能将其丢弃。
然后你可以通过'hash modulo table-size'为一个或多个table-size值传递它们，并评估出现分布的“niceness”度量。
那么归结为什么是要尝试的表大小以及应用什么样的好处度量。 好是取决于上下文。 您可以测量“最完整的桶”作为“最坏情况”插入/查找时间的度量。 您可以根据按键查找中的均匀分布来测量铲斗尺寸的平方和，作为“平均”插入/查找时间的度量。
最后，您需要确定要测试的表大小（或大小）。 传统智慧经常使用素数，因为哈希模数素数对于散列中的所有比特往往是非常易变的，其中诸如散列模2 ^ n之类的东西仅涉及较低的n-1比特。 为了减少计算量，你可能会认为下一个素数系列大于每个2的幂。 5（> 2 ^ 2）11（＆gt; 2 ^ 3），17（＆gt; 2 ^ 4）等，直到并包括大于你的'样本'大小的2的第一次幂。
还有其他考虑适应性的方法但没有实际应用的问题（当然）是不明确的。
如果潜在散列函数的“空间”并非都具有相同的执行时间，那么您也应该考虑“成本”。 定义非常好的散列函数相当容易，但执行时间可能是一个重要因素。