Question

所以我只是在学习（或尝试）一些关于哈希的知识。我尝试制作散列函数，但是我把数据保存到的地方很困惑。我试图计算碰撞次数并将其打印出来。我制作了3个不同的文件，一个包含10,000个单词，20,000个单词和30,000个单词。每个单词只有10个随机数/字母。

long hash(char* s]){
    long h;
    for(int i = 0; i < 10; i++){
      h = h + (int)s[i];
    }
     //A lot of examples then mod h by the table size
     //I'm a bit confused what this table is... Is it an array of
     //10,000 (or however many words)?

    //h % TABLE_SIZE
    return h
  }

  int main (int argc, char* argv[]){
    fstream input(argv[1]);
    char* nextWord;
    while(!input.eof()){
      input >> nextWord;
      hash(nextWord);
    }
  }

这就是我现在拥有的东西，但是我无法弄清楚表格究竟是什么，正如我在上面的评论中所说的那样......它是我主要的预定义数组吗？在它的话？例如，如果我有一个10个字的文件，我可以在我的主文件中创建一个大小为10的数组吗？然后如果/当我返回h时，让我们说顺序为：3,7,2,3

第四个字是碰撞，对吗？当发生这种情况时，我将1加入碰撞，然后加1，然后检查插槽4是否也已满？

感谢您的帮助！

Answer 1

散列的要点是对您存储的每个元素进行恒定的时间访问。我将尝试用简单的例子来解释。

首先，您需要知道需要存储多少数据。例如，如果您想存储数字，并且您知道，您将不会存储大于10的数字。最简单的解决方案是创建一个包含10个元素的数组。该数组是您的“表格”，您可以在其中存储您的数字。那么如何实现这种惊人的恒定时间访问？哈希函数！重点是返回一个数组的索引。让我们创建一个简单的：如果你想存储7，你只需将它保存到位置7的数组。每次，你想看看，对于元素7，你只需将它传递给你的函数和bzaah！你在恒定的时间内获得了你的元素的位置！但是如果你想存储价值7的更多元素呢？您的简单散列函数为每个元素返回7，现在它已经占据了我的位置！怎么解决？嗯，解决方案不多，最简单的是：

1：链接 - 您只需将元素保存在第一个空闲位置即可。这有很大的缺点。想象一下，你想要删除一些元素......（这是方法，你描述的是）

2：链接列表 - 如果您在某些链接列表上创建指针数组，则可以轻松地在链接列表的末尾添加新元素，即位置7！

这两种简单的解决方案都有其缺点和缺点。我想你可以看到它们。正如@rwols所说，你不必使用数组。您也可以使用树或成为真正的C ++主服务器，并使用unordered_map和unordered_set自定义哈希函数，这非常酷。还有一个名为trie的结构，当你想要创建某种字典时（这里很难知道，你需要存储多少个字），这个结构很有用。

总结一下。你必须知道，有多少东西，你不想存储，然后，创建理想哈希功能，它涵盖了适当大小的数组，在完美的世界中，它必须具有统一的索引分布，没有合作。（这是非常困难的，在现实世界中，我猜，这是不可能的，所以越少越好，越好。）

你的哈希函数非常糟糕。它会有很多的分数（比如字符串“ab”和“ba”）而且，你需要修改它，m 是你数组的大小（也就是表格），所以你可以将它保存到某个数组，你可以从中获利。 modus是一种简单化函数的方法，因为函数必须“适合”在表中，你在开头指定，因为你不能将元素保存在位置11,12，..如果你有10个数组。

良好的散列函数应该如何？嗯，有比我更好的消息来源。一些example（警告！它在Java中）

对于你的例子：你根本无法将10k甚至更多的单词保存到10号表中。这会产生很多冲突，你失去了散列函数的主要好处 - 可以不断访问你保存的元素。 / p>

您的代码看起来如何？像这样：

int main (int argc, char* argv[]){
    fstream input(argv[1]);
    char* nextWord;

    TypeOfElement table[size_of_table];
    while(!input.eof()){
      input >> nextWord;
      table[hash(nextWord)] = // desired element which you want to save
    }
  }

但是我想，你的目标不是在某处保存某些东西，而是要计算分数。另请注意，上面的代码不能解决问题。如果您想计算colices，请创建整数table整数并将其初始化为零。然后，只需增加存储在索引上的值，该值由哈希函数返回，如下所示：

table[hash(nextWord)]++;

我希望我帮助过。请说明您还想知道什么。

Answer 2

如果需要哈希表，那么正如其他人所说的std::unordered_map在大多数情况下都可以使用。现在，如果你需要更强大的东西，因为有大量的入口基础，那么我建议你研究一下tries。尝试结合（矢量阵列）插入，（散列）和放大器的概念。链接列表。运行时间接近于O（M），其中M是字符串中字符的数量，如果您正在散列字符串。它有助于消除碰撞的机会。而且，添加到trie结构越多，在打开和创建某些节点时，工作就越少。一个缺点是tries需要更多内存。这是一张图

现在你的trie可能因阵列的大小而有所不同，但是你的整体概念和构造是相同的。如果你正在做一个单词 - 定义查找，那么你可能需要一个26或几个数组，用于每个可能的散列字符。

哈希函数/代码

2 个答案: