将关键字序列 { 7,8,30,11,18,9,14 },散列存储到散列列表中,散列表的存储空间是一个下标从 0 开始的一维数组。处理冲突采用线性探测法。散列函数为 h(key)=(key×3)% 表长,要求装入因子为 0.7。则成功查找的平均查找长度为 __

时间: 2023-05-31 07:20:59 浏览: 458
### 回答1: 根据装入因子为.7,散列表的长度应该为10,即能存储7个关键字。 散列函数为h(key)=(key×3)%表长,将关键字序列散列存储到散列列表中: h(7)=(7×3)%10=1,散列到下标为1的位置 h(8)=(8×3)%10=4,散列到下标为4的位置 h(30)=(30×3)%10=,散列到下标为的位置 h(11)=(11×3)%10=3,散列到下标为3的位置 h(18)=(18×3)%10=4,发生冲突,线性探测到下标为5的位置 h(9)=(9×3)%10=7,散列到下标为7的位置 h(14)=(14×3)%10=2,散列到下标为2的位置 散列列表为:{30, 7, 14, 11, 18, 9, 8, null, null, null} 成功查找的平均查找长度为: (1×1 + 4×1 + ×1 + 3×1 + (4+1)×1 + 7×1 + 2×1) / 7 = 3 因此,成功查找的平均查找长度为3。 ### 回答2: 将关键字序列 { 7,8,30,11,18,9,14 } 散列存储到散列列表中,需要先确定散列表的大小,以便计算装入因子。根据题目要求,采用线性探测法,散列函数为 h(key)=(key×3)%表长,可知表长为: 表长 = 散列成功存储关键字的数量 / 装入因子 表长 = ceil(7 / 0.7) 表长 = 10 于是散列表的空间就是一个下标从 0 开始,长度为 10 的一维数组。 现在开始散列存储。对于每个关键字,先计算出其散列地址,如果该地址已经被占用,就采用线性探测法在散列表中依次向后查找,直到找到空位置为止。具体操作如下: 1. 将 7 存储到散列表中,计算其散列地址为 h(7) = (7×3) % 10 = 1,将其存储到下标为 1 的位置处; 2. 将 8 存储到散列表中,计算其散列地址为 h(8) = (8×3) % 10 = 4,将其存储到下标为 4 的位置处; 3. 将 30 存储到散列表中,计算其散列地址为 h(30) = (30×3) % 10 = 0,将其存储到下标为 0 的位置处; 4. 将 11 存储到散列表中,计算其散列地址为 h(11) = (11×3) % 10 = 7,将其存储到下标为 7 的位置处; 5. 将 18 存储到散列表中,计算其散列地址为 h(18) = (18×3) % 10 = 4,由于下标为 4 的位置已经被占用,采用线性探测法,依次查找下标为 5、6、7、8、9 的位置,直到找到空位置下标为 2,将其存储到下标为 2 的位置处; 6. 将 9 存储到散列表中,计算其散列地址为 h(9) = (9×3) % 10 = 7,由于下标为 7 的位置已经被占用,采用线性探测法,依次查找下标为 8、9、0、1 的位置,由于这些位置都被占用,将会回到起始位置,继续查找下标为 2、3、4 的位置,最终找到下标为 3 的空位置,将其存储到下标为 3 的位置处; 7. 将 14 存储到散列表中,计算其散列地址为 h(14) = (14×3) % 10 = 2,将其存储到下标为 2 的位置处。 现在散列表中的数据为: 0: 30 1: 7 2: 14 3: 9 4: 8 5: 6: 7: 11 8: 9: 18 其中空位置用空格表示。 接下来计算成功查找的平均查找长度。对于每个关键字的查找,从其散列地址开始,依次查找散列表中的位置,直到找到该关键字或者找到一个空位置。假设每个关键字的查找次数为 x,那么成功查找的平均查找长度为所有关键字的查找次数之和除以成功查找的关键字数目。即: 成功查找的平均查找长度 = 所有关键字的查找次数之和 / 成功查找的关键字数目 现在依次对每个关键字进行查找: 1. 查找 7,其散列地址为 1,查找次数为 1; 2. 查找 8,其散列地址为 4,查找次数为 1; 3. 查找 30,其散列地址为 0,查找次数为 1; 4. 查找 11,其散列地址为 7,由于下标为 7 的位置存储的是 9,于是向下查找,查找到下标为 8 的位置为空,查找次数为 2; 5. 查找 18,其散列地址为 4,由于下标为 4 的位置存储的是 8,于是向下查找,查找到下标为 5 的位置为空,查找次数为 2; 6. 查找 9,其散列地址为 7,查找次数为 1; 7. 查找 14,其散列地址为 2,查找次数为 1。 所有关键字的查找次数之和为:1 + 1 + 1 + 2 + 2 + 1 + 1 = 9 成功查找的关键字数目为 7,因为散列表中共有 7 个关键字。因此,成功查找的平均查找长度为: 成功查找的平均查找长度 = 所有关键字的查找次数之和 / 成功查找的关键字数目 成功查找的平均查找长度 = 9 / 7 成功查找的平均查找长度 ≈ 1.29 因此,成功查找的平均查找长度为约 1.29。 ### 回答3: 散列存储是一种通过散列函数将数据存储到一定范围内的连续地址上,以提高数据访问速度的存储方式。将关键字序列 { 7,8,30,11,18,9,14 } 散列存储到散列列表中,散列表的存储空间是一个下标从 0 开始的一维数组。处理冲突采用线性探测法。散列函数为 h(key)=(key×3)%表长,要求装入因子为 0.7。则成功查找的平均查找长度为: 1. 计算表长 由于要求装入因子为 0.7,故需要表长为(7/0.7=10)。所以,散列表的存储空间为一个长度为 10 的一维数组。 2. 散列存储 根据散列函数,计算关键字在散列表中的存储地址: h(7) = (7×3) % 10 = 1 h(8) = (8×3) % 10 = 4 h(30) = (30×3) % 10 = 0 h(11) = (11×3) % 10 = 9 h(18) = (18×3) % 10 = 6 h(9) = (9×3) % 10 = 7 h(14) = (14×3) % 10 = 2 然后,将关键字序列 { 7,8,30,11,18,9,14 } 散列存储到散列表中: [30, 7, 14, 11, 18, 8, 9, _, _, _] 下划线表示空闲单元格。 3. 查找关键字 假设要查找的关键字为 18,其散列地址为 6。在散列表中的单元格 6 已经存储了关键字 18。查找成功,平均查找长度为 1。 4. 成功查找的平均查找长度 根据线性探测法,平均查找长度为 1/(1-α/2)。其中,α=装入因子=7/10=0.7。带入公式,可得: 平均查找长度 = 1 / (1-0.7/2) = 1 / 0.65 ≈ 1.538 故,成功查找的平均查找长度为约 1.538。

相关推荐

最新推荐

recommend-type

散列表实现电话号码查找系统

散列表是一种数据结构,它通过哈希函数将关键字(如电话号码和用户名)映射到数组的特定位置,以实现快速访问。在这个系统中,电话号码和用户名作为关键字,分别通过除留余数法构造的哈希函数构建两个独立的哈希表。...
recommend-type

服务器虚拟化部署方案.doc

服务器、电脑、
recommend-type

北京市东城区人民法院服务器项目.doc

服务器、电脑、
recommend-type

求集合数据的均方差iction-mast开发笔记

求集合数据的均方差
recommend-type

Wom6.3Wom6.3Wom6.3

Wom6.3Wom6.3Wom6.3
recommend-type

VMP技术解析:Handle块优化与壳模板初始化

"这篇学习笔记主要探讨了VMP(Virtual Machine Protect,虚拟机保护)技术在Handle块优化和壳模板初始化方面的应用。作者参考了看雪论坛上的多个资源,包括关于VMP还原、汇编指令的OpCode快速入门以及X86指令编码内幕的相关文章,深入理解VMP的工作原理和技巧。" 在VMP技术中,Handle块是虚拟机执行的关键部分,它包含了用于执行被保护程序的指令序列。在本篇笔记中,作者详细介绍了Handle块的优化过程,包括如何删除不使用的代码段以及如何通过指令变形和等价替换来提高壳模板的安全性。例如,常见的指令优化可能将`jmp`指令替换为`push+retn`或者`lea+jmp`,或者将`lodsbyteptrds:[esi]`优化为`moval,[esi]+addesi,1`等,这些变换旨在混淆原始代码,增加反逆向工程的难度。 在壳模板初始化阶段,作者提到了1.10和1.21两个版本的区别,其中1.21版本增加了`Encodingofap-code`保护,增强了加密效果。在未加密时,代码可能呈现出特定的模式,而加密后,这些模式会被混淆,使分析更加困难。 笔记中还提到,VMP会使用一个名为`ESIResults`的数组来标记Handle块中的指令是否被使用,值为0表示未使用,1表示使用。这为删除不必要的代码提供了依据。此外,通过循环遍历特定的Handle块,并依据某种规律(如`v227&0xFFFFFF00==0xFACE0000`)进行匹配,可以找到需要处理的指令,如`push0xFACE0002`和`movedi,0xFACE0003`,然后将其替换为安全的重定位值或虚拟机上下文。 在结构体使用方面,笔记指出壳模板和用户代码都会通过`Vmp_AllDisassembly`函数进行解析,而且0x8和0x10字段通常都指向相同的结构体。作者还提到了根据`pNtHeader_OptionalHeader.Magic`筛选`ESI_Matching_Array`数组的步骤,这可能是为了进一步确定虚拟机上下文的设置。 这篇笔记深入解析了VMP技术在代码保护中的应用,涉及汇编指令的优化、Handle块的处理以及壳模板的初始化,对于理解反逆向工程技术以及软件保护策略有着重要的参考价值。
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

【进阶】音频处理基础:使用Librosa

![【进阶】音频处理基础:使用Librosa](https://picx.zhimg.com/80/v2-a39e5c9bff1d920097341591ca8a2dfe_1440w.webp?source=1def8aca) # 2.1 Librosa库的安装和导入 Librosa库是一个用于音频处理的Python库。要安装Librosa库,请在命令行中输入以下命令: ``` pip install librosa ``` 安装完成后,可以通过以下方式导入Librosa库: ```python import librosa ``` 导入Librosa库后,就可以使用其提供的各种函数
recommend-type

python中字典转换成json

在Python中,你可以使用`json`模块将字典转换为JSON格式的字符串。下面是一个简单的示例: ```python import json # 假设我们有一个字典 dict_data = { "name": "John", "age": 30, "city": "New York" } # 使用json.dumps()函数将字典转换为JSON json_string = json.dumps(dict_data) print(json_string) # 输出:{"name": "John", "age": 30, "city": "New York"}
recommend-type

C++ Primer 第四版更新:现代编程风格与标准库

"Cpp Primer第四版中文版(电子版)1" 本书《Cpp Primer》第四版是一本深入浅出介绍C++编程语言的教程,旨在帮助初学者和有经验的程序员掌握现代C++编程技巧。作者在这一版中进行了重大更新,以适应C++语言的发展趋势,特别是强调使用标准库来提高编程效率。书中不再过于关注底层编程技术,而是将重点放在了标准库的运用上。 第四版的主要改动包括: 1. 内容重组:为了反映现代C++编程的最佳实践,书中对语言主题的顺序进行了调整,使得学习路径更加顺畅。 2. 添加辅助学习工具:每章增设了“小结”和“术语”部分,帮助读者回顾和巩固关键概念。此外,重要术语以黑体突出,已熟悉的术语以楷体呈现,以便读者识别。 3. 特殊标注:用特定版式标注关键信息,提醒读者注意语言特性,避免常见错误,强调良好编程习惯,同时提供通用的使用技巧。 4. 前后交叉引用:增加引用以帮助读者理解概念之间的联系。 5. 额外讨论和解释:针对复杂概念和初学者常遇到的问题,进行深入解析。 6. 大量示例:提供丰富的代码示例,所有源代码都可以在线获取,便于读者实践和学习。 本书保留了前几版的核心特色,即以实例教学,通过解释和展示语言特性来帮助读者掌握C++。作者的目标是创作一本清晰、全面、准确的教程,让读者在编写程序的过程中学习C++,同时也展示了如何有效地利用这门语言。 《Cpp Primer》第四版不仅适合C++初学者,也适合想要更新C++知识的老手,它全面覆盖了C++语言的各个方面,包括基础语法、类、模板、STL(Standard Template Library)等,同时引入了现代C++的特性,如智能指针、RAII(Resource Acquisition Is Initialization)、lambda表达式等,使读者能够跟上C++语言的发展步伐,提升编程技能。