已知一组关键字序列为{5,88,12,56,71,28,33,43,93,17},哈希表长为13,哈希函数为h(key)=key%13,请用线性探测再散列、二次线性探测再散列以及链地址法解决冲突构造这组关键字的哈希表,并计算查找成功时的平均查找长度。

时间: 2023-04-26 17:04:22 浏览: 183
线性探测再散列: 哈希表长为13,哈希函数为h(key)=key%13。 插入关键字序列{5,88,12,56,71,28,33,43,93,17},得到哈希表为: : 71 1: 12 2: 93 3: 33 4: 43 5: 5 6: 56 7: 28 8: 17 9: 88 10: 11: 12: 查找成功时的平均查找长度为(1+2+3+4+5+6+7+8+9+10)/10=5.5。 二次线性探测再散列: 哈希表长为13,哈希函数为h(key)=key%13。 插入关键字序列{5,88,12,56,71,28,33,43,93,17},得到哈希表为: : 71 1: 12 2: 93 3: 33 4: 43 5: 5 6: 56 7: 28 8: 17 9: 88 10: 11: 12: 查找成功时的平均查找长度为(1+2+4+7+11+3+8+12+9+5)/10=6。 链地址法: 哈希表长为13,哈希函数为h(key)=key%13。 插入关键字序列{5,88,12,56,71,28,33,43,93,17},得到哈希表为: : 1: 71 2: 12 3: 33 -> 93 4: 43 5: 5 6: 56 7: 28 8: 17 9: 88 10: 11: 12: 查找成功时的平均查找长度为(1+1+2+1+1+1+1+1+1+1)/10=1。
相关问题

已知一组关键字序列为{5,88,12,56,71,28,33,43,93,17},哈希表长为13,哈希函数为H(key)=key%13,请用线性探测再散列、二次线性探测再散列以及链地址法解决冲突构造这组关键字的哈希表,并计算查找成功时的平均查找长度。 ‌

好的,我来回答你的问题。 对于给定的关键字序列{5,88,12,56,71,28,33,43,93,17},哈希表长为13,哈希函数为H(key)=key%13,我们可以采用以下三种方法解决冲突: ### 线性探测再散列 首先,我们将关键字序列依次插入哈希表中。对于发生冲突的情况,我们采用线性探测再散列的方法,即顺序查找哈希表中下一个空的位置来存储冲突的关键字。 插入后的哈希表如下所示: | 下标 | 值 | | ---- | ---- | | 0 | | | 1 | 88 | | 2 | 12 | | 3 | 56 | | 4 | 71 | | 5 | 28 | | 6 | 33 | | 7 | 43 | | 8 | 93 | | 9 | | | 10 | 17 | | 11 | | | 12 | 5 | 其中,下标为9和11的位置没有存储任何关键字。 接下来,我们计算查找成功时的平均查找长度。假设我们要查找的关键字为28,它的哈希值为H(28)=28%13=2。首先,在下标为2的位置查找,发现存储的是12而不是28,于是继续往后查找,直到找到28为止。假设我们查找了k次,最终查找到了28,那么平均查找长度为: ASL = (1/10) * (1 + 2 + … + k) = (k+1)/20 其中,10是关键字的个数,k是查找时查找过的位置数。 ### 二次线性探测再散列 同样的,我们将关键字序列依次插入哈希表中。对于发生冲突的情况,我们采用二次线性探测再散列的方法,即按照以下公式来查找下一个空的位置: H(key, i) = (H(key) + c1*i + c2*i^2) % 13 其中,c1和c2是正整数,i表示第几次探测。 插入后的哈希表如下所示: | 下标 | 值 | | ---- | ---- | | 0 | | | 1 | 88 | | 2 | 12 | | 3 | 56 | | 4 | 71 | | 5 | 28 | | 6 | 33 | | 7 | 43 | | 8 | 93 | | 9 | 17 | | 10 | | | 11 | | | 12 | 5 | 其中,下标为10和11的位置没有存储任何关键字。 接下来,我们计算查找成功时的平均查找长度。假设我们要查找的关键字为28,它的哈希值为H(28)=28%13=2。首先,在下标为2的位置查找,发现存储的是12而不是28,于是按照二次线性探测再散列的公式计算下一个探测位置,即: H(28, 1) = (2 + 1 + 1^2) % 13 = 4 然后,在下标为4的位置查找,发现存储的是71而不是28,于是计算下一个探测位置: H(28, 2) = (2 + 1*2 + 2^2) % 13 = 9 然后,在下标为9的位置查找,发现存储的是17而不是28,最终在下标为5的位置查找到了28。假设我们查找了k次,最终查找到了28,那么平均查找长度为: ASL = (1/10) * (1 + 2 + … + k) = (k+1)/20 其中,10是关键字的个数,k是查找时查找过的位置数。 ### 链地址法 最后,我们采用链地址法来解决冲突。对于每个哈希值,我们都维护一个链表,将所有哈希值为该值的关键字都存储在该链表中。 插入后的哈希表如下所示: | 下标 | 值 | | ---- | --------- | | 0 | | | 1 | 88 | | 2 | 12 | | 3 | 56 | | 4 | 71 | | 5 | 28 -> 93 | | 6 | 33 | | 7 | 43 | | 8 | | | 9 | 17 | | 10 | | | 11 | | | 12 | 5 | 其中,下标为0、8、10和11的位置没有存储任何关键字。 接下来,我们计算查找成功时的平均查找长度。假设我们要查找的关键字为28,它的哈希值为H(28)=28%13=2。首先,在下标为2的链表中查找,发现存储的是12而不是28,于是继续往后查找,直到找到28为止。假设我们查找了k次,最终查找到了28,那么平均查找长度为: ASL = (1/10) * (1 + 2 + … + k) = (k+1)/20 其中,10是关键字的个数,k是查找时查找过的位置数。 综上所述,无论采用哪种方法,当查找成功时的平均查找长度都为(k+1)/20,其中k是查找时查找过的位置数。

( 已知一组关键字序列为{5,88,12,56,71,28,33,43,93,17},哈希表长为 13,哈希函数为H(key)=key%13,请用线性探测再散列、二次线性探测再散列以及链地址法解决冲突构造这组关键字的哈希表,并计算查找成功时的平均查找长度。

好的,我会根据你的要求进行计算和构造哈希表。首先,我们可以根据哈希函数H(key)=key%13来确定每个关键字所在的桶号。下面依次介绍三种解决冲突的方法。 1. 线性探测再散列 线性探测再散列是一种常用的解决哈希冲突的方法,具体实现方式是:当插入一个关键字时,如果发现该位置已被占用,则向后依次查找下一个位置,直到找到一个空闲位置为止。这里我们使用线性探测再散列来构造哈希表。 首先,我们可以将每个关键字根据哈希函数H(key)=key%13计算出它所在的桶号,然后将关键字插入到对应的桶中。如果发现该桶已被占用,则向后依次查找下一个位置,直到找到一个空闲位置为止。 经过这样的操作,得到的哈希表如下所示: ``` 桶号 关键字 0 88 1 43 2 93 3 12 4 56 5 71 6 28 7 33 8 5 9 17 10 - 11 - 12 - ``` 其中,"-"表示该位置为空。 为了计算查找成功时的平均查找长度,我们需要先确定各个关键字的查找长度,然后求它们的平均值。对于成功查找的关键字,它的查找长度就是它在哈希表中的位置。因此,可以得到各个关键字的查找长度如下: ``` 88: 1 43: 1 93: 1 12: 1 56: 1 71: 1 28: 1 33: 1 5: 1 17: 1 ``` 因此,这组关键字的平均查找长度为1。 2. 二次线性探测再散列 二次线性探测再散列是一种改进的线性探测再散列方法,具体实现方式是:当插入一个关键字时,如果发现该位置已被占用,则向后依次查找下一个位置,直到找到一个空闲位置为止。这里我们使用二次线性探测再散列来构造哈希表。 首先,我们可以将每个关键字根据哈希函数H(key)=key%13计算出它所在的桶号,然后将关键字插入到对应的桶中。如果发现该桶已被占用,则使用二次探测再散列的方法来查找下一个位置。具体来说,如果第i次查找时,发现桶H(key)+i^2已被占用,则继续向后查找,直到找到一个空闲位置为止。 经过这样的操作,得到的哈希表如下所示: ``` 桶号 关键字 0 88 1 43 2 93 3 12 4 56 5 71 6 28 7 33 8 5 9 17 10 - 11 - 12 - ``` 其中,"-"表示该位置为空。 为了计算查找成功时的平均查找长度,我们需要先确定各个关键字的查找长度,然后求它们的平均值。对于成功查找的关键字,它的查找长度就是它在哈希表中的位置。因此,可以得到各个关键字的查找长度如下: ``` 88: 1 43: 1 93: 1 12: 1 56: 1 71: 1 28: 1 33: 1 5: 1 17: 1 ``` 因此,这组关键字的平均查找长度为1。 3. 链地址法 链地址法是一种常用的解决哈希冲突的方法,具体实现方式是:当插入一个关键字时,将它插入到对应桶的链表中。如果出现多个关键字映射到同一个桶中,就将它们插入到同一个链表中。 首先,我们可以将每个关键字根据哈希函数H(key)=key%13计算出它所在的桶号,然后将关键字插入到对应的桶中。如果发现该桶已经有关键字了,则将新的关键字插入到该桶对应的链表中。 经过这样的操作,得到的哈希表如下所示: ``` 桶号 关键字 0 88 1 43 -> 71 2 93 3 12 -> 33 4 56 5 - 6 28 7 - 8 5 9 17 10 - 11 - 12 - ``` 其中,"->"表示链表指针。 为了计算查找成功时的平均查找长度,我们需要先确定各个关键字的查找长度,然后求它们的平均值。对于成功查找的关键字,它的查找长度就是它在链表中的位置。因此,可以得到各个关键字的查找长度如下: ``` 88: 1 43: 1 93: 1 12: 1 56: 1 71: 2 28: 1 33: 2 5: 1 17: 1 ``` 因此,这组关键字的平均查找长度为1.2。 综上所述,根据这组关键字构造的哈希表中,三种解决冲突的方法中,平均查找长度最短的是线性探测再散列和二次线性探测再散列,它们的平均查找长度均为1,而链地址法的平均查找长度稍长,为1.2。

相关推荐

最新推荐

recommend-type

C语言基于哈希表实现通讯录

主要为大家详细介绍了C语言基于哈希表实现通讯录,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

C#中哈希表(HashTable)用法实例详解(添加/移除/判断/遍历/排序等)

主要介绍了C#中哈希表(HashTable)用法,简单讲述了哈希表的原理并结合实例形式详细分析了C#针对哈希表进行添加、移除、判断、遍历、排序等操作的实现技巧,需要的朋友可以参考下
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

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

list根据id查询pid 然后依次获取到所有的子节点数据

可以使用递归的方式来实现根据id查询pid并获取所有子节点数据。具体实现可以参考以下代码: ``` def get_children_nodes(nodes, parent_id): children = [] for node in nodes: if node['pid'] == parent_id: node['children'] = get_children_nodes(nodes, node['id']) children.append(node) return children # 测试数
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。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

未定义标识符CFileFind

CFileFind 是MFC(Microsoft Foundation Class)中的一个类,用于在Windows文件系统中搜索文件和目录。如果你在使用CFileFind时出现了“未定义标识符”的错误,可能是因为你没有包含MFC头文件或者没有链接MFC库。你可以检查一下你的代码中是否包含了以下头文件: ```cpp #include <afx.h> ``` 另外,如果你在使用Visual Studio开发,还需要在项目属性中将“使用MFC”设置为“使用MFC的共享DLL”。这样才能正确链接MFC库。