设哈希表长为m=13,散列函数为H(k)=k mod 11,关键字序列为5,7,16,12,11,21,31,51,17,81;试求:散列后的表中关键字分布(假定解决冲突的方法为线性探测再散列法);求

时间: 2023-06-16 17:06:29 浏览: 52
散列后的表中关键字分布如下: | 槽位 | 关键字 | | --- | --- | | 0 | 16 | | 1 | 81 | | 2 | 7 | | 3 | 11 | | 4 | 12 | | 5 | 51 | | 6 | 17 | | 7 | 5 | | 8 | 21 | | 9 | 31 | | 10 | - | | 11 | - | | 12 | - | 其中,槽位10, 11, 12因为线性探测再散列法造成的冲突,无法插入关键字,因此为空。
相关问题

4. (共15分)设哈希表长为m=13,散列函数为H(k)=k mod 11,关键字序列为5,7,16,12,11,21,31,51,17,81;试求:散列后的表中关键字分布(假定解决冲突的方法为线性探测再散列法);求平均查找长度ASL;计算

首先,将关键字序列散列到哈希表中,使用线性探测再散列法解决冲突: |位置|关键字| |---|---| |0|17| |1|81| |2|11| |3|31| |4|12| |5|5| |6|16| |7|7| |8|51| |9|21| |10|| |11|| |12|| 其中,第10个位置发生了冲突,需要再散列。由于哈希表长为13,因此再散列的散列函数为H'(k) = k mod 13。将10号位置的关键字再次散列: |位置|关键字| |---|---| |0|17| |1|81| |2|11| |3|31| |4|12| |5|5| |6|16| |7|7| |8|51| |9|21| |10|1| |11|| |12|| 现在所有关键字都能够插入到哈希表中了。关键字分布如下: |位置|关键字| |---|---| |0|17| |1|81| |2|11| |3|31| |4|12| |5|5| |6|16| |7|7| |8|51| |9|21| |10|1| |11|16| |12|31| 平均查找长度ASL的计算公式为:ASL = (查找成功的关键字的比较次数之和 + 查找失败的关键字的比较次数之和) / 关键字总数。 对于查找成功的关键字,比较次数为1,因此查找成功的关键字的比较次数之和为:1+1+1+1+1+1+1+1+1+1 = 10。 对于查找失败的关键字,需要按照散列函数和线性探测的规则进行查找,直到找到空位置或者找到该关键字。因此,查找失败的关键字的比较次数之和为: - 16:1(位置6)+1(位置7)+1(位置8)+1(位置9)+1(位置10)= 5 - 51:1(位置8)+1(位置9)+1(位置10)+1(位置11)+1(位置12)= 5 因此,查找失败的关键字的比较次数之和为10。 综上,ASL = (10 + 10) / 10 = 2。

已知关键字序列为:(75, 33, 52, 41, 12, 88, 66, 27)哈希表长为10,哈希函数为: H(k)=K MOD 7, 解决冲突用线性探测再散列法,构造哈希表,求等概率下查找成功的平均查找长度。

首先,我们需要用哈希函数将关键字映射到哈希表中的位置。根据题目给定的哈希函数,得到以下结果: - 75 → H(75) = 75 mod 7 = 3 - 33 → H(33) = 33 mod 7 = 5 - 52 → H(52) = 52 mod 7 = 3 (冲突,需要线性探测) - 41 → H(41) = 41 mod 7 = 6 - 12 → H(12) = 12 mod 7 = 5 (冲突,需要线性探测) - 88 → H(88) = 88 mod 7 = 4 - 66 → H(66) = 66 mod 7 = 3 (冲突,需要线性探测) - 27 → H(27) = 27 mod 7 = 6 (冲突,需要线性探测) 接下来,我们使用线性探测再散列法来解决冲突。具体方法是,当发生冲突时,在哈希表中查找下一个可用位置,直到找到一个空闲位置为止。在这个例子中,我们得到以下哈希表: | 位置 | 关键字 | | ---- | ------ | | 0 | | | 1 | | | 2 | | | 3 | 75 | | 4 | 88 | | 5 | 33 | | 6 | 52 | | 7 | 41 | | 8 | 12 | | 9 | 27 | 接下来,我们可以计算等概率下查找成功的平均查找长度。假设哈希表中有n个关键字,每个位置被查找的概率相等,即为1/n。设查找成功的平均查找长度为ASL,那么: ASL = (1/n) * (1 + 2 + ... + n-1 + n/m) 其中,m为哈希表长度,n为关键字个数。在这个例子中,m=10,n=8,因此: ASL = (1/8) * (1 + 2 + 3 + 4 + 5 + 6 + 7 + 8/10) = 4.375 因此,等概率下查找成功的平均查找长度为4.375。

相关推荐

最新推荐

recommend-type

grpcio-1.63.0-cp38-cp38-linux_armv7l.whl

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

SQLyog-13.1.3-0.x86Community.exe

SQLyog-13.1.3-0.x86Community
recommend-type

VB自动出题题库系统设计(源代码+系统).rar

计算机专业毕业设计VB精品论文资源
recommend-type

debugpy-1.0.0b2-cp35-cp35m-manylinux1_i686.whl

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

实战自学python如何成为大佬(目录):https://blog.csdn.net/weixin-67859959/artic

实战自学python如何成为大佬(目录):https://blog.csdn.net/weixin-67859959/artic
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB柱状图在信号处理中的应用:可视化信号特征和频谱分析

![matlab画柱状图](https://img-blog.csdnimg.cn/3f32348f1c9c4481a6f5931993732f97.png) # 1. MATLAB柱状图概述** MATLAB柱状图是一种图形化工具,用于可视化数据中不同类别或组的分布情况。它通过绘制垂直条形来表示每个类别或组中的数据值。柱状图在信号处理中广泛用于可视化信号特征和进行频谱分析。 柱状图的优点在于其简单易懂,能够直观地展示数据分布。在信号处理中,柱状图可以帮助工程师识别信号中的模式、趋势和异常情况,从而为信号分析和处理提供有价值的见解。 # 2. 柱状图在信号处理中的应用 柱状图在信号处理
recommend-type

用Spring boot和vue写一个登录注册界面

好的,这是一个比较常见的技术问题,我可以为您提供一些参考资料和思路。首先,您可以使用Spring Boot作为后端框架来处理用户认证和注册的逻辑,比如使用Spring Security实现用户登录认证。同时,您还需要设计相应的数据模型和数据库表结构来存储用户信息。在前端方面,您可以使用Vue.js作为框架来构建登录注册页面,使用Axios来发起API请求并和后端进行交互。当然,在实现过程中,还需要考虑一些具体细节,比如数据校验、安全性和用户体验等方面。希望这些信息能够帮助到您。
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。