开放定址散列法和再散列
目录
前面利用分离链接法解决了散列表插入冲突的问题，而除了分离链接法外，还可以使用开放定址法来解决散列表的冲突问题。
开放定址法在遇见冲突情形时，将会尝试选择另外的单元，直到找到空的单元为止，一般来说，单元h0(X), h1(X), h2(x)为相继尝试的单元，则hi(X)=(Hash(X)+F(i)) mod TableSize，其中F(i)即为冲突解决的探测方法，
开放定址法中的探测方法的三种基本方式为，
- 线性探测法：探测步进为线性增长，最基本的方式为F(i)=i
- 平方探测法：探测步进为平方增长，最基本的方式为F(i)= i2
- 双散列：探测方法的步进由一个新的散列函数决定，最基本的方式为F(i)= i*Hash2(i)，通常选择Hash2(i)=R-(X mod R)，其中R为小于TableSize的素数。
对于使用平方探测的开放定址散列法，当元素填得太满的时候，操作运行的时间将消耗过长，而且插入操作有可能失败，此时则可以进行一次再散列来解决这一问题。
再散列会创建一个新的散列表，新的散列表大小为大于原散列表大小2倍的第一个素数，随后将原散列表的值重新散列至新的散列表中。
这一操作的开销十分大，但并不经常发生，且在发生前必然已经进行了多次插入，因此这一操作的实际情况并没有那么糟糕。
散列的时机通常有几种，
- 装填因子达到一半的时候进行再散列
- 插入失败时进行再散列
- 达到某一装填因子时进行散列
完整代码
1 from functools import partial as pro 2 from math import ceil, sqrt 3 from hash_table import HashTable, kmt_hashing 4 5 6 class RehashError(Exception): 7 pass 8 9 10 class OpenAddressingHashing(HashTable): 11 def __init__(self, size, hs, pb, fn=None, rf=0.5): 12 self._array = [None for i in range(size)] 13 self._get_hashing = hs 14 self._hashing = hs(size) if not fn else fn 15 self._probing = pb 16 self._rehashing_factor = rf 17 18 def _sniffing(self, item, num, hash_code=None): 19 # Avoid redundant hashing calculation, if hashing calculation is heavy, this would count much. 20 if not hash_code: 21 hash_code = self._hashing(item) 22 return (hash_code + self._probing(num, item, self.size)) % self.size 23 24 def _get_rehashing_size(self): 25 size = self.size * 2 + 1 26 while not is_prime(size): 27 size += 1 28 return size 29 30 def rehashing(self, size=None, fn=None): 31 if not size: 32 size = self._get_rehashing_size() 33 if size <= (self.size * self.load_factor): 34 raise RehashError('Rehash size is too small!') 35 array = self._array 36 self._array = [None for i in range(size)] 37 self._hashing = self._get_hashing(size) if not fn else fn 38 self.insert(filter(lambda x: x is not None, array)) 39 40 def find(self, item): 41 hash_code = ori_hash_code = self._hashing(item) 42 collision_count = 1 43 value = self._array[hash_code] 44 45 # Build up partial function to shorten time consuming when heavy sniffing encountered. 46 collision_handler = pro(self._sniffing, hash_code=ori_hash_code) 47 48 while value is not None and value != item: 49 hash_code = collision_handler(item, collision_count) 50 value = self._array[hash_code] 51 collision_count += 1 52 return value, hash_code 53 54 def _insert(self, item): 55 if item is None: 56 return 57 value, hash_code = self.find(item) 58 if value is None: 59 self._array[hash_code] = item 60 if self.load_factor > self._rehashing_factor: 61 self.rehashing() 62 63 64 def is_prime(num): # O(sqrt(n)) algorithm 65 if num < 2: 66 raise Exception('Invalid number.') 67 if num == 2: 68 return True 69 for i in range(2, ceil(sqrt(num))+1): 70 if num % i == 0: 71 return False 72 return True 73 74 75 def linear_probing(x, *args): 76 return x 77 78 79 def square_probing(x, *args): 80 return x**2 81 82 83 def double_hashing(x, item, size, *args): 84 r = size - 1 85 while not is_prime(r): 86 r -= 1 87 return x * (r - (item % r)) 88 89 90 def test(h): 91 print(' Show hash table:') 92 h.show() 93 94 print(' Insert values:') 95 h.insert(range(9)) 96 h.show() 97 98 print(' Insert value (existed):') 99 h.insert(1) 100 h.show() 101 102 print(' Insert value (collided):') 103 h.insert(24, 47) 104 h.show() 105 106 print(' Find value:') 107 print(h.find(7)) 108 print(' Find value (not existed):') 109 print(h.find(77)) 110 111 print(' Load factor is:', h.load_factor) 112 113 114 if __name__ == '__main__': 115 test(OpenAddressingHashing(11, kmt_hashing, linear_probing)) 116 print(30*'-') 117 test(OpenAddressingHashing(11, kmt_hashing, square_probing)) 118 print(30*'-') 119 test(OpenAddressingHashing(11, kmt_hashing, double_hashing))
分段解释
首先导入几个需要的模块，以及散列表类和散列函数（具体实现参考文末相关阅读），并定义一个再散列异常
1 from functools import partial as pro 2 from math import ceil, sqrt 3 from hash_table import HashTable, kmt_hashing 4 5 6 class RehashError(Exception): 7 pass
定义一个开放定址散列表类，接收参数包括，散列表初始大小size，散列函数的生成函数hs，探测函数pb，指定散列函数fn，再散列因子rf。当指定了散列函数时，使用指定的散列函数，否则使用传入的生成函数，根据散列表大小获得一个默认的散列函数。
1 class OpenAddressingHashing(HashTable): 2 def __init__(self, size, hs, pb, fn=None, rf=0.5): 3 self._array = [None for i in range(size)] 4 self._get_hashing = hs 5 self._hashing = hs(size) if not fn else fn 6 self._probing = pb 7 self._rehashing_factor = rf
定义_sniffing方法，嗅探方法用于计算下一个嗅探位置。
Note: 此处为了避免冗余计算，开放一个参数供散列值传入，当进行同一个插入的不同嗅探时，其原始散列值是不变的，因此这里可以配合后面的偏函数，在多次嗅探中固定这一参数，从而避免多次散列函数的计算。这对于复杂的散列函数来说可以减少嗅探计算时间。
1 def _sniffing(self, item, num, hash_code=None): 2 # Avoid redundant hashing calculation, if hashing calculation is heavy, this would count much. 3 if not hash_code: 4 hash_code = self._hashing(item) 5 return (hash_code + self._probing(num, item, self.size)) % self.size
定义_get_rehashing_size方法，用于计算需要再散列时新散列表的大小，通常为大于当前表大小2倍的第一个素数。
1 def _get_rehashing_size(self): 2 size = self.size * 2 + 1 3 while not is_prime(size): 4 size += 1 5 return size
定义rehashing方法，用于进行再散列操作，
- 若没有指定再散列大小，则使用默认方式计算，
- 当传入的再散列大小小于已有元素数量时，引发再散列异常，
- 保存原始散列表信息，并新建一个散列表，更新散列函数，
- 利用新的散列函数，遍历原始散列表并插入新的散列表中。
1 def rehashing(self, size=None, fn=None): 2 if not size: 3 size = self._get_rehashing_size() 4 if size <= (self.size * self.load_factor): 5 raise RehashError('Rehash size is too small!') 6 array = self._array 7 self._array = [None for i in range(size)] 8 self._hashing = self._get_hashing(size) if not fn else fn 9 self.insert(filter(lambda x: x is not None, array))
定义find方法，用于查找散列表内的指定元素，
Note: 这里使用偏函数处理嗅探函数，减少散列计算，利用嗅探函数循环嗅探新的位置，直到找到目标元素或None，此时返回元素值或None和对应的散列值。
1 def find(self, item): 2 hash_code = ori_hash_code = self._hashing(item) 3 collision_count = 1 4 value = self._array[hash_code] 5 6 # Build up partial function to shorten time consuming when heavy sniffing encountered. 7 collision_handler = pro(self._sniffing, hash_code=ori_hash_code) 8 9 while value is not None and value != item: 10 hash_code = collision_handler(item, collision_count) 11 value = self._array[hash_code] 12 collision_count += 1 13 return value, hash_code
定义_insert方法，唯一的区别在于，当装载因子大于再散列因子时，需要进行一次再散列操作。
1 def _insert(self, item): 2 if item is None: 3 return 4 value, hash_code = self.find(item) 5 if value is None: 6 self._array[hash_code] = item 7 if self.load_factor > self._rehashing_factor: 8 self.rehashing()
定义一个素数判断函数，用于计算一个值是否为素数，时间复杂度为O(sqrt(n))。
1 def is_prime(num): # O(sqrt(n)) algorithm 2 if num < 2: 3 raise Exception('Invalid number.') 4 if num == 2: 5 return True 6 for i in range(2, ceil(sqrt(num))+1): 7 if num % i == 0: 8 return False 9 return True
接着定义三个探测函数，分别为线性探测、平方探测和双散列。
1 def linear_probing(x, *args): 2 return x 3 4 5 def square_probing(x, *args): 6 return x**2 7 8 9 def double_hashing(x, item, size, *args): 10 r = size - 1 11 while not is_prime(r): 12 r -= 1 13 return x * (r - (item % r))
最后定义一个测试函数，并对三种探测函数分别进行测试。
1 def test(h): 2 print(' Show hash table:') 3 h.show() 4 5 print(' Insert values:') 6 h.insert(range(9)) 7 h.show() 8 9 print(' Insert value (existed):') 10 h.insert(1) 11 h.show() 12 13 print(' Insert value (collided):') 14 h.insert(24, 47) 15 h.show() 16 17 print(' Find value:') 18 print(h.find(7)) 19 print(' Find value (not existed):') 20 print(h.find(77)) 21 22 print(' Load factor is:', h.load_factor) 23 24 25 if __name__ == '__main__': 26 test(OpenAddressingHashing(11, kmt_hashing, linear_probing)) 27 print(30*'-') 28 test(OpenAddressingHashing(11, kmt_hashing, square_probing)) 29 print(30*'-') 30 test(OpenAddressingHashing(11, kmt_hashing, double_hashing))
三种探测函数测试项及对应结果如下，
初始建立散列表
1 print(' Show hash table:') 2 h.show()
三者结果均相同，
Show hash table: [0] None [1] None [2] None [3] None [4] None [5] None [6] None [7] None [8] None [9] None [10] None
接着尝试插入超过装填因子一半的元素数量，此时散列表会自动进行再散列
Insert values: [0] 0 [1] 1 [2] 2 [3] 3 [4] 4 [5] 5 [6] 6 [7] 7 [8] 8 [9] None [10] None [11] None [12] None [13] None [14] None [15] None [16] None [17] None [18] None [19] None [20] None [21] None [22] None
接着插入已存在的元素
1 print(' Insert value (existed):') 2 h.insert(1) 3 h.show()
结果不变，
再插入两个会造成冲突的元素，三者结果分别如下，可以看到，不同的探测函数将元素插入到了散列表的不同位置。
Linear_probing | Square_probing | Double_hashing [0] 0 | [0] 0 | [0] 0 [1] 1 | [1] 1 | [1] 1 [2] 2 | [2] 2 | [2] 2 [3] 3 | [3] 3 | [3] 3 [4] 4 | [4] 4 | [4] 4 [5] 5 | [5] 5 | [5] 5 [6] 6 | [6] 6 | [6] 6 [7] 7 | [7] 7 | [7] 7 [8] 8 | [8] 8 | [8] 8 [9] 24 | [9] None | [9] None [10] 47 | [10] 24 | [10] None [11] None | [11] None | [11] 47 [12] None | [12] None | [12] None [13] None | [13] None | [13] None [14] None | [14] None | [14] None [15] None | [15] None | [15] 24 [16] None | [16] None | [16] None [17] None | [17] 47 | [17] None [18] None | [18] None | [18] None [19] None | [19] None | [19] None [20] None | [20] None | [20] None [21] None | [21] None | [21] None [22] None | [22] None | [22] None
最后，测试查找函数以及获取装填因子，由于探测函数不同，因此查找不存在结果时，最后处在的位置也不同。
-------------------------------------- Linear_probing -------------------------------------- Find value: (7, 7) Find value (not existed): (None, 11) Load factor is: 0.4782608695652174 -------------------------------------- Square_probing -------------------------------------- Find value: (7, 7) Find value (not existed): (None, 9) Load factor is: 0.4782608695652174 -------------------------------------- Double_hashing -------------------------------------- Find value: (7, 7) Find value (not existed): (None, 21) Load factor is: 0.4782608695652174
相关阅读
1. 散列表
2. 分离链接法