算法导论笔记4：散列数 hash

一

了解一些散列的基本概念，仅从文字角度，整理了最基础的定义。

发现一本书，《算法图解》，微信读书APP可读，有图，并且是科普性质的读物，用的比喻很生活化，可以与《算法导论》合并起来看，会轻松很多。

P142散列数 hash table 槽 slot 对应全域中一个关键字
两个关键字映射到同一个槽里：冲突
散列，本质就是把任意长度的输入通过散列算法变成固定长度的输入，你可以理解为它是一种压缩性的映射，所以散列值的空间会小于输入空间，便于储存。
又因为它很难找到逆向规律的特性，所以也可以用作数字签名来保障数据传递的安全性，散列也称为哈希（Hash），hash算法也因此被广泛应用在互联网应用中。
散列表的基本概念
假设某应用要用到一个动态集合，其中每个元素都有一个属于[0…p]的关键字，此处p是一个不太大的数，且没有两个元素具有相同的关键字，则可以用一个数组[p+1]存储该动态集合，并且使用关键字作为数组下标进行直接寻址。这一直接寻址思想在前面的非比较排序中就有所应用。然而，当p很大并且实际要存储的动态集合大小n<
散列表(Hash table)，使用具有m个槽位的数组来存储大小为n的动态集合。α=n/m被定义为散列表的装载因子。在散列表中，具有关键字k的元素的下标为h(k)，即利用散列函数h，根据关键字k计算出槽的位置。散列函数h将关键字域[0…p]映射到散列表[0…m-1]的槽位上，这里，m可以远小于p，从而缩小了需要处理的下标范围，并相应地降低了空间开销。散列表带来的问题是：两个关键字可能映射到同一个槽上，这种情形称为碰撞。因此，散列函数h应当将每个关键字等可能地散列到m个槽位的任何一个中去，并与其它关键字已被散列到哪一个槽位中无关，从而避免或者至少最小化碰撞
二
散列冲突解决方案

1. 开放寻址法
   开放寻址法的核心思想是，如果出现了散列冲突，我们就重新探测一个空闲的位置。
   开放寻址法解决方案有线性探测法、二次探测、双重散列等方案：
   线性探测法（Linear Probing）：1）插入数据：当我们往散列表中插入数据时，如果某个数据经过散列函数之后，存储的位置已经被占用了，我们就从当前位置开始，依次往后查找（到底后从头开始），看是否有空闲位置，直到找到为止。

2）查找数据：我们通过散列函数求出要查找元素的键值对应的散列值，然后比较数组中下标为散列值的元素和要查找的元素是否相等，若相等，则说明就是我们要查找的元素；否则，就顺序往后依次查找。如果遍历到数组的空闲位置还未找到，就说明要查找的元素并没有在散列表中。
当然这里存在一个问题，就是存数据那块位置往前的某个数据被删除了，那么线性探索查到那块位置的时候就会判断元素不在散列表，查找就会失效，面对这个问题，我们在删除的时候，用下面删除的方法

P156完全散列 perfect hashing 关键字集合是静态 像CD-ROM一样存入不可变 马尔可夫不等式 摊还期望时间
全域散列，它在任意输入的情况下都能达到比较好的平均情况性能。但值得注意的是“平均情况性能”这六个字，就像BFPRT——Top k问题的终极解法一文中介绍的随机快速选择算法一样，虽然很难遇到导致最坏情况发生的输入，但这种可能性仍然是存在的，没有完全消除。我们需要继续追寻，找到像BFPRT一样，能在确定情况下提供出色的最坏情况性能的散列算法。
完全散列算法给出了关键字集合为静态时的解决方案。我们来看看它如何在最坏情况下达到 O(1) 的时间复杂度。最直接的想法，让散列数组的长度 m 尽量大，因为对于固定的关键字集合， m 越大，冲突的可能性就越低。但是，无论 m 取多大的数，冲突的可能性都不会降到0，只会越来越接近0。此时，静态关键字集合的好处就出来了，当冲突的可能性较低时，我们可以多试几个散列函数，找到不发生冲突的那个，确定为最终使用的散列函数。
三
FPGA与散列数相关的应用举例：
安全散列算法SHA(Secure Hash Algorithm,SHA）是美国国家标准和技术局发布的国家标准FIPS PUB 180-1,般称为SHA-1。其可对长度不超过264位的消息产生160位的消息摘要输出，可在NIST的网站上获得该算法的数学原理。IFF(Identification Friend or Foe, IFF）用于确定输入密钥是否正确。

其工作方式如下：

①在FPGA内部构造随机数生成模块，用于产生消息Q，并通过1-Wire总线发送DS2432芯片

②DS2432内部拥有一个由设计者设定的密钥。由该密钥并结合

③与此同时，FPGA内部产生一个期望的响应E，判断该期望响应是否与DS2432的真实响应A一致

④如果E与A吻合，则判断该设计为正版设计；否则判定为盗版设计；

⑤最终，FPGA程序可以对盗版设计做出程序锁止或减少功能。