标签：序列 image 时间 处理器 初始 str 选项 mamicode 替换
前言：
? 线性探测法是在散列位置的相邻点开始探测，这会引起很多问题，于是各种优化版本例如平方探测、双散列等被提出来改进其中的聚集问题。但是探测相邻位置和第二次散列相比，显然探测相邻位置更有优势，所以线性探测仍然是实用的，甚至是最佳选择。
? 跳房子散列的思路：用事先确定的，对计算机底层体系结构而言最优的一个常数，给探测序列的最大长度加个上界。这样做可以给出常数级的最坏查询时间，并且与布谷鸟散列一样，查询可以并行化，以同时检查可用位置 的有限集。
布谷鸟散列：
? 要点：
? a）依然是线性探测
? b）探测长度\(i\)有个上限
? c）上限是提前定好的，跟计算机底层体系结构有关系
? 跳房子散列规则：
? a）最大探测上界MAX_DIST? = 4
? b）散列位置\(hash(x)\)，则探测位置为 \(hash(x)+0\)、\(hash(x)+1\)、\(hash(x)+2\)、\(hash(x)+3\)。
? c）下例：
图解说明：
? 图1展示A～G的元素，右侧是他们的散列值。图表中的Hop表示探测位置是否被占用，比如“0010”，说明\(hash(x)+2\)位置被使用。用四位码表示具体位置。
? a）插入A，A的散列位置是7，则Hop[7]的第0个位置被占用，记作“1000”；
? b）插入B，B的散列位置是9，则Hop[9]的第0个位置被占用，记作“1000”；
? c）插入C，C的散列位置是6，则Hop[6]的第0个位置被占用，记作“1000”；以上未发生冲突。
? d）插入D，D的散列位置是7，发生冲突，位置7已经存在值A，开始线性探测，探测下一个位置\(hasx(x)+1 = 8\)，位置8未被占用，可插入，则Hop[7]的第1个位置被占用，将Hop[7]记作“1100”；
? e）插入E，E的散列位置是8，发生冲突，位置8已经存在值D，开始线性探测，探测下一个位置$hasx(x)+1 =9 \(，位置9已经存在值B，继续探测下一个位置\)hasx(x)+2 = 10$，位置10未被占用，可插入，测试Hop[8]的第2个位置被占用，将Hop记作“0010”；
? f、g）插入F、G。未发生冲突，同上插入。
? 上述跳房子插入很简单，我们插入一个值，如果在它的hash位置发生冲突，即在上界范围内线性探测下一个位置，知道达到上界，如果有空位置则插入。
问：如果线性探测，直到上界都无法插入呢？
答：当我们上界设置得不够大时，这种情况是必须考虑的。此时的插入流程将会稍微负责。
例如：我们在上述例子中继续插入H，散列值为9。我们探测位置9、10、11、12都被占用，只能到13，但是位置13明显超过上界，即\(hash(x)+3\)都未能找到可插入点。那我们将找一个值y来替换掉。并把它重置到位置13。可以去到位置13的值只有散列值为10、11、12、13的值。如果我们检查Hop[10]，它的值为“0000”，没有可以替换的候选项，于是我们检查Hop[11],它的值为“1000”，其值为G，可以被放到位置13。于是我们将元素G放到位置13，将11空出来，插入H。
? 跳房子散列比较简单，是一种比较新的算法，但是初始的实验结果很有前途，特别是对那些使用多处理器并且需要大量并行和并发的应用而言。
? 但是布谷鸟散列和跳房子散列还处于实验室状态，能否在实际中代替线性探测法或者平方探测法，还有待验证。
标签：序列 image 时间 处理器 初始 str 选项 mamicode 替换
原文地址：https://www.cnblogs.com/dhcao/p/10568822.html
