Questions tagged «hash-tables»

人们通常说哈希表查找是在恒定时间内进行的：您计算哈希值，这将为数组查找提供索引。但这忽略了碰撞。在最坏的情况下，每一项都恰好落在同一存储桶中，并且查找时间变为线性（）。Θ(n)Θ(n)\Theta(n) 数据上是否存在可以使哈希表查找真正变为？这是仅是平均水平，还是哈希表可以进行最坏情况查找？O （1 ）O(1)O(1)O(1)O(1)O(1)O(1) 注意：我是从程序员的角度出发的；当我将数据存储在哈希表中时，它几乎总是字符串或某些复合数据结构，并且数据在哈希表的生存期内发生变化。因此，尽管我欣赏有关完美哈希的答案，但从我的观点来看，它们很可爱，但很有趣，而且不切实际。 PS跟进：哈希表操作O（1）适用于哪种数据？

70 algorithm-analysis  data-structures  runtime-analysis  hash-tables 

如果我有一个从1到100的键值列表，并且想将它们组织成11个存储桶的数组，那么我会被教导如何形成mod函数 H=kmod 11H=kmod 11 H = k \bmod \ 11 现在，所有值将在9行中一个接一个地放置。例如，在第一个存储桶中将有0,11,22…0,11,22…0, 11, 22 \dots。在第二个中，将有1,12,23…1,12,23…1, 12, 23 \dots等。 假设我决定成为一个坏孩子，并使用非质数作为我的哈希函数-以12为例。使用哈希函数 H=kmod 12H=kmod 12 H = k \bmod \ 12 会导致哈希表的值在第一个存储桶中为0、12、24 0,12,24…0,12,24…0, 12, 24 \dots ，在第二个存储桶中为1、13、25 1,13,25…1,13,25…1, 13, 25 \dots等，依此类推。 本质上，它们是同一件事。我没有减少冲突，也没有通过使用质数哈希码更好地进行扩展，而且我看不出它有什么好处。

57 data-structures  hash  hash-tables  primes 

当实现字典时（“我想通过他们的客户ID查找客户数据”），使用的典型数据结构是哈希表和二进制搜索树。例如，我知道C ++ STL库使用（平衡的）二进制搜索树实现字典（它们称为地图），而.NET框架在后台使用哈希表。 这些数据结构的优缺点是什么？在某些情况下还有其他合理的选择吗？ 请注意，对于键具有强大的基础结构的情况，例如，它们都是1到n之间的整数或类似的东西，我并不特别感兴趣。

30 algorithms  data-structures  binary-trees  hash-tables 

此问题是从软件工程堆栈交换迁移的，因为可以在计算机科学堆栈交换上回答。 迁移 7年前。 我正在尝试实现Pastry Distributed Hash Table，但是有些事情使我无法理解。我希望有人能澄清一下。 免责声明：我不是计算机科学专业的学生。我一生中刚上过两门计算机科学课程，但都没有涉及任何远程复杂的问题。我从事软件工作已经有多年了，所以如果我能将想法付诸实践，我觉得我已经完成了实现任务。因此，我可能只是缺少一些明显的东西。 我已经阅读了作者发表的论文[1]，并且取得了一些不错的进步，但是我一直对路由表的工作原理这一点感到困惑： 该文件声称 一个节点的路由表中，RRR，被组织成⌈log2bN⌉⌈log2b⁡N⌉\lceil \log_{2^b} N\rceil 与行2b−12b−12^b - 1每个条目。路由表第n行的2b−12b−12^b - 1条目均引用一个节点，该节点的nodeId在前n位共享当前节点的nodeId，但其n + 1位具有2 b − 1可能值之一，而不是所述ñ + 1个数位在本节点的id。nnnn+1n+1n + 12b−12b−12^b - 1n+1n+1n + 1 的bbb代表一个应用程序特定的变量，通常是444。为了简单起见，让我们使用b=4b=4b=4。所以上面是 一个节点的路由表中，RRR，被组织成 ⌈log16N⌉⌈log16⁡N⌉\lceil \log_{16} N\rceil与行151515的每个条目。路由表第n行的151515个条目均引用一个节点，该节点的nodeId在前n个数字中共享当前节点的nodeId，但其n + 1个数字具有除n +以外的2 b - 1可能值之一当前节点ID中的第1位数字。nnnn+1n+1n + 12b−12b−12^b - 1n+1n+1n + 1 我很了解 此外，NNN是群集中服务器的数量。我也知道 …

23 algorithms  data-structures  distributed-systems  hash-tables 

从（何时）的答案是哈希表查找O（1）？，我收集到，当数据满足某些统计条件时，哈希表具有最坏情况的行为，至少已摊销，并且有一些技术可以使这些条件变宽。O(1)O(1)O(1) 但是，从程序员的角度来看，我事先并不知道我的数据是什么：它通常来自某些外部来源。而且我很少一次拥有所有数据：插入和删除的发生率经常不低于查找率，因此需要对数据进行预处理以微调哈希函数。 因此，迈出一步：在掌握了有关数据源的一些知识之后，如何确定哈希表是否有机会进行操作，以及可能在哈希函数上使用哪些技术？O(1)O(1)O(1)

18 data-structures  runtime-analysis  hash-tables  dictionaries 

我在Coursera上了算法课。视频中有关哈希表的教授说 事实是，对于非病理数据，您将在正确实现的哈希表中获得恒定时间的操作。 “非病理数据”是什么意思？你能举一些例子吗？

14 hash-tables 

如果 ，则哈希函数族是通用的 您可以在此Wikipedia 文章中找到有关通用哈希的更多信息。HHH^ h ：ü→ { 0 ，… ，M− 1 }H：ü→{0，…，中号-1个}h: U \rightarrow \{0,\ldots,M-1\}∀ X ， ÿ∈ ü，x ≠ y⇒ 镨ħ ∈ ħ[ h （x ）= h （ y）] ≤ 1中号∀X，ÿ∈ü，X≠ÿ⇒镨H∈H[H（X）=H（ÿ）]≤1个中号\forall x,y \in U, x \neq y \Rightarrow \Pr_{h \in H}[h(x) = h(y)] \leq \frac{1}{M} 现在，通用哈希的概念已成为本科生数据结构课程的标准部分。能够激励学生认识通用哈希在工业应用中的重要性。所以我的问题是： 哈希函数通用族的构造在实践中重要吗？如果答案是肯定的，请您分享一些您所看到的有趣的工业应用程序吗？

14 data-structures  education  hash-tables  applied-theory 

动态完美哈希表和布谷鸟哈希表是两个不同的数据结构，它们支持最坏情况下的O（1）查找和预期的O（1）时间插入和删除。两者都需要O（n）辅助空间，并需要访问散列函数系列才能进行操作。 我认为这两个数据结构本身都是美丽而辉煌的，但是我不确定我如何，何时将其中一个比另一个更好。 这些数据结构中的一个结构是否具有明显的优势，是否存在特定的环境？还是它们大多数都可以互换？

12 data-structures  hash-tables 

在工作中，我的任务是推断一些有关动态语言的类型信息。我将语句序列重写为嵌套let表达式，如下所示： return x; Z => x var x; Z => let x = undefined in Z x = y; Z => let x = y in Z if x then T else F; Z => if x then { T; Z } else { F; Z } 由于我从一般类型信息开始，并试图推断出更具体的类型，因此自然的选择是精简类型。例如，条件运算符返回其真假分支类型的并集。在简单的情况下，它效果很好。 但是，在尝试推断以下类型时遇到了障碍： function …

11 programming-languages  logic  type-theory  type-inference  machine-learning  data-mining  clustering  order-theory  reference-request  information-theory  entropy  algorithms  algorithm-analysis  space-complexity  lower-bounds  formal-languages  computability  formal-grammars  context-free  parsing  complexity-theory  time-complexity  terminology  turing-machines  nondeterminism  programming-languages  semantics  operational-semantics  complexity-theory  time-complexity  complexity-theory  reference-request  turing-machines  machine-models  simulation  graphs  probability-theory  data-structures  terminology  distributed-systems  hash-tables  history  terminology  programming-languages  meta-programming  terminology  formal-grammars  compilers  algorithms  search-algorithms  formal-languages  regular-languages  complexity-theory  satisfiability  sat-solvers  factoring  algorithms  randomized-algorithms  streaming-algorithm  in-place  algorithms  numerical-analysis  regular-languages  automata  finite-automata  regular-expressions  algorithms  data-structures  efficiency  coding-theory  algorithms  graph-theory  reference-request  education  books  formal-languages  context-free  proof-techniques  algorithms  graph-theory  greedy-algorithms  matroids  complexity-theory  graph-theory  np-complete  intuition  complexity-theory  np-complete  traveling-salesman  algorithms  graphs  probabilistic-algorithms  weighted-graphs  data-structures  time-complexity  priority-queues  computability  turing-machines  automata  pushdown-automata  algorithms  graphs  binary-trees  algorithms  algorithm-analysis  spanning-trees  terminology  asymptotics  landau-notation  algorithms  graph-theory  network-flow  terminology  computability  undecidability  rice-theorem  algorithms  data-structures  computational-geometry 

我正在努力解决哈希和二进制搜索树材料。我读到，与其使用列表来存储具有相同哈希值的条目，还可以使用二进制搜索树。我尝试了解操作的最坏情况和平均情况下的运行时间 insert， find 和 delete 是值得的。一般情况。它们在列表方面是否有所改善？

11 data-structures  time-complexity  runtime-analysis  search-trees  hash-tables 

免责声明：我知道这里和Stackoverflow上已经存在类似的听起来的问题。但是它们都是关于碰撞的，这不是我要的。 我的问题是：为什么在碰撞较少查找O(1)摆在首位？ 假设我有此哈希表： Hash Content ------------- ghdjg Data1 hgdzs Data2 eruit Data3 xcnvb Data4 mkwer Data5 rtzww Data6 现在，我正在寻找k哈希函数h(k)给出的键h(k) = mkwer。但是查找如何“知道”哈希mkwer在位置5？为什么不必在所有按键中滚动O(n)才能找到它？哈希不能是某种真正的硬件地址，因为我失去了移动数据的能力。据我所知，哈希表未按哈希排序（即使是哈希，搜索也将采用O(log n)）？ 知道哈希如何帮助您找到表格中的正确位置？

10 complexity-theory  hash  hash-tables  performance