虚拟主机网站源码,简单的工作室网站模板,免费字体网站,wordpress 上注册用户1.Hash基础
#xff08;1#xff09;基础
哈希也称为散列#xff0c;通过算法变成固定长度的输出值#xff0c;存入对应的位置
例如这个算法为取模算法#xff0c;indexnumber 模 7
存入1到15 #xff08;2#xff09;碰撞处理
当多个元素映射到同一位置上时就产生…1.Hash基础
1基础
哈希也称为散列通过算法变成固定长度的输出值存入对应的位置
例如这个算法为取模算法indexnumber 模 7
存入1到15 2碰撞处理
当多个元素映射到同一位置上时就产生了碰撞 哈希碰撞处理是在使用哈希函数时不同的键可能映射到相同的哈希值哈希冲突时的解决方法。哈希碰撞处理是为了确保不同的键可以在哈希表中正确存储和检索从而维护哈希表的性能和正确性。 以下是几种常见的哈希碰撞处理方法 链地址法Chaining 这是一种常见的方法通过在哈希桶位置上维护一个链表或其他数据结构将发生冲突的键值对添加到链表中。在查找或删除操作时遍历链表来找到对应的键值对。 开放定址法Open Addressing 在这种方法中当发生冲突时会顺序地在哈希表中的其他位置寻找空闲的位置来存储键值对。这包括线性探测、二次探测、双重哈希等策略。 再哈希法Rehashing 当发生冲突时计算另一个哈希函数然后将键值对存储在新的哈希桶位置上。这可以有效地减少冲突。 建立一个“桶”的链表 这是一种类似于链地址法的方法但不是在每个哈希桶位置上维护一个链表而是在发生冲突的哈希桶位置上维护一个链表。 完全二叉树 将键值对按照哈希值顺序存储在完全二叉树的节点上。这种方法在特定情况下可以提供较好的性能。 开放定址法
开放定址法的主要思想是当发生哈希冲突时不仅仅将数据存储在哈希桶中而是根据某种算法找到一个不冲突的位置将数据存储在那里。这就需要一个探测序列probing sequence它是一系列指示位置的步骤用于寻找下一个可用的位置。
常见的开放定址法包括 线性探测Linear Probing 在发生冲突时按顺序检查下一个位置直到找到一个空闲位置为止。 二次探测Quadratic Probing 在发生冲突时按照某个步长的平方逐渐增加位置直到找到一个空闲位置为止。 双重散列Double Hashing 在发生冲突时使用第二个哈希函数计算一个步长然后在哈希表中逐渐增加位置直到找到一个空闲位置为止。
开放定址法的优点是它对于内存的利用更有效因为数据存储在数组中没有额外的指针。然而它在负载因子高时可能会导致聚集现象clustering即一些位置上会有很多连续的元素而其他位置则很少使用。这可能会降低性能。
链地址法
链地址法Chaining是一种哈希表解决哈希冲突的方法之一。在哈希表中不同的键可能会映射到相同的哈希桶位置这就产生了哈希冲突。链地址法通过在每个哈希桶位置上维护一个链表或其他数据结构来处理这种冲突。
具体来说当发生哈希冲突时链地址法将冲突的键值对添加到哈希桶位置对应的链表中。每个链表节点包含一个键值对。当需要插入、查找或删除一个键值对时先计算哈希值找到对应的哈希桶位置然后在该位置的链表中进行操作。
以下是链地址法的基本步骤 插入 计算键的哈希值找到对应的哈希桶位置。如果该位置为空则在该位置插入键值对。如果该位置已经有其他键值对存在即发生冲突则在链表中继续插入新的键值对。 查找 计算键的哈希值找到对应的哈希桶位置。然后遍历链表查找包含该键的节点。 删除 计算键的哈希值找到对应的哈希桶位置。然后遍历链表找到包含该键的节点并进行删除操作。
链地址法的优点是它相对简单可以有效地解决哈希冲突。然而当哈希冲突较多时链表可能会变得较长导致操作的时间复杂度增加。为了保持哈希表的高效性能需要根据数据分布情况来选择合适的哈希函数并根据情况动态调整哈希桶的数量。另外当链表过长时可以考虑使用更高效的数据结构如红黑树来替代链表以提高查找效率。 2.队列基础
FIFO先进先出的线性表
基于链表实现
尾插头删
public class MyLinkQueue {static class Node {public int data;public Node next;public Node(int data) {this.data data;}}private Node front;private Node rear;private int size;//无参构造初始化public MyLinkQueue() {this.front null;this.rear null;}public boolean isEmpty() {return front null;}//尾插public void push(int data){Node node new Node(data);if (isEmpty()){front node;rear node;}else{rear.next node;rear node;}size;}//头删public int pop(){if (isEmpty()){throw new EmptyStackException();}int res front.data;front front.next;size--;return res;}public int size(){return size;}public void traverse(){Node t front;while(t!null){System.out.println(t.data);t t.next;}}public static void main(String[] args) {MyLinkQueue queue new MyLinkQueue();queue.push(10);queue.push(20);queue.push(30);System.out.println(Queue elements:);queue.traverse(); // Output: 10 20 30System.out.println(Dequeued element: queue.pop()); // Output: 10System.out.println(Queue size: queue.size()); // Output: 2queue.push(40);queue.push(50);System.out.println(Queue elements:);queue.traverse(); // Output: 20 30 40 50System.out.println(Queue size: queue.size()); // Output: 4}}
