Question

感兴趣的领域是字符串匹配。假设我有这样的结构。

typedef struct
{
    char *name,
    int (*function)();

} StringArray

StringArray s[] = 
{
    {"George", func1},
    {"Paul",   func2},
    {"Ringo",  func3},
    {"John",   func4},
    {"",       NULL}   /* End of list */ 
}

数组中有固定数量的字符串。它们是硬编码的，如示例中所示。如果表格发生变化，则需要重新评估散列函数的质量。

我想将哈希函数应用于字符串，如果字符串与数组中的字符串匹配，然后调用该函数。这需要一个完美的哈希函数。不允许冲突。要求散列的目的是在查找上获得O（1）性能。

您在设计功能时有什么想法？

Answer 1

请参阅gperf主页。

Answer 2

摘要列出了C和C ++。你在寻找哪一个？ C和C ++是两种不同的语言，它们的字符串处理和数据结构差异很大（而且C语言在C ++中工作的事实不会改变它）。

具体来说，为什么你想要一个完美的哈希函数？是否要将字符串与函数关联起来，并认为这是一个很好的方法吗？这是某种家庭作业吗？你有理由不使用map＆lt;＆gt;在C ++中？（或unordered_map＆lt;＆gt;如果可用？）

如果你确实需要一个完美的哈希，字符串的约束是什么？您想要发送某个固定集吗？怎么样的字符串与其中一个字符串不匹配？你是否愿意接受来自随机字符串的命中，或者是否限制传入字符串的数量？

如果你可以编辑你的问题以包含这样的信息，我们可以提供更多帮助。

编辑（回应前两条评论）：

好的，我们应该看看C解决方案，因为你可能想要这个C和C ++工作。你可能想要性能，但你测试过吗？如果我们正在处理I / O系统中的字符串，那么可能会使调度时间相形见绌。

您期待任意字符串。期望一个完美的哈希函数可以避免来自随机数据的所有冲突，所以你需要考虑这一点。

您考虑过trie吗？它可能比完美的哈希函数（或可能不是）更有效，它应该相当容易在C中实现，并且它将避免重做调度字符串列表或可能的冲突的问题。

Answer 3

请参阅：

What is a good Hash Function?

Best hashing algorithm in terms of hash collisions and performance

What is a performant string hashing function that results in a 32 bit integer with low collision rates？

Choosing a multiplier for a (string) hash function

Very low cost hash function

What’s the best hashing algorithm to use on a stl string when using hash_map?

Answer 4

您可以使用地图

std::string foo() { return "Foo"; }
std::string bar() { return "Bar"; }

int main()
{
   std::map<std::string, std::string (*)()> m;
   m["foo"] = &foo;
   m["bar"] = &bar; 
}

Answer 5

如果冲突绝对不允许，您唯一的选择是跟踪数据库中的每个字符串，这可能不是最好的方法。

我要做的是应用现有的常见强哈希算法之一，例如：MD5或SHA。周围有样品镜像，例如：http://www.codeproject.com/KB/security/cryptest.aspx

Answer 6

使用平衡二叉树。然后你知道行为总是O（登录）。

我非常不喜欢哈希。人们没有意识到他们的算法带来了多大的风险。他们运行一些测试数据，然后在现场部署。我从未见过部署的哈希算法会检查字段中的行为。

O（log n）几乎总是可以接受代替O（1）。

Answer 7

本练习的最终结果是

从网上窃取了许多面向字符串的哈希函数。
构建一种工厂类，使用一系列mod运算符值对数据集测试每个函数，寻找适用于该函数的最小完美哈希。
该工厂类的默认构造函数返回一个字符串，它表示一组参数，当使用时选择正确的哈希函数，而mod大小则提供需要最少内存的完美哈希。
在正常使用情况下，您只需使用返回的参数实例化该类，并且该类将自身置于具有所需函数的工作状态。
该构造函数验证没有冲突，如果存在则中止。
在没有找到完美哈希的情况下，它会降级为输入表的排序版本的二进制搜索。

对于我在域中拥有的数组，这看起来效果非常好。未来可能的优化是在输入的子串上进行相同类型的测试。在示例中，每个音乐家名称的第一个字母足以区分它们。然后需要平衡实际哈希函数的成本使用的记忆。

感谢所有贡献想法的人。

恶

Answer 8

嗯，没有完美的哈希函数。

你有几个可以最大限度地减少碰撞，但没有一个消除它们。

不能告诉一个人：P

编辑：解决方案无法找到完美的哈希函数。解决方案是了解碰撞。通常，哈希函数具有冲突。这显然取决于数据集和生成的哈希码的大小。

你会如何设计一个完美哈希的函数？

8 个答案: