3 \prednaska{13}{Hashování}{(zapsal Martin Francù a Bohdan Maslowski)}
8 V kapitole 5 jsme si ukázali, ¾e tøídìní pomocí porovnávání se dá zvládnout nejlépe v èase $O(n)$. Víme-li v¹ak nìco o hodnotách, mù¾eme najít lep¹í tøídící algoritumus, který pracuje napø. v lineárním èase.
10 \>Na mno¾inì máme tyto operace:
18 \>Víme-li, ¾e je mno¾ina uspoøádaná, mù¾eme pou¾ít vyhledávací strom, tedy $\Theta(\log n)$ na operaci.
26 \:$U$ ... Velikost universa (mno¾ina ze které prvky vybíráme)
27 \:$[U] = {0, 1, 2,\ldots,U-1}$
33 \h{1. Pole indexované $0$ a¾ $U-1$}
35 Insert, Delete i Find pracují v èase $O(1)$, pamì»ová slo¾itost je $O(U)$.
38 \h{2. Èíslicový strom (radix tree) }
40 Zvolíme základ soustavy $b$, prvky universa zapisujeme jako $k$-tice èíslic. Èili:
42 $$x\in U \mapsto [b]^{k}, k=[\log_b U]$$
44 Tedy vznikne strom (s hloubkou $k$), na $k$-té úrovni podle $k$-té èíslice
51 Insert, Delete: $O(b \log_b U)$
53 Pamì»ová nároènost: $O(nb\log_b U)$
57 Èím bude základ $b$ men¹í, tím lep¹í pamì»ová a hor¹í èasová slo¾itost, a obrácenì. Èíslicový strom tedy vy¾aduje peèlivé nastavení parametrù.
61 \h{3. Písmenkový strom }
63 Pou¾ívá se pro øezìzce, za základ soustavy $b$ zvolíme abecedu.
67 $\vert x\vert $...délka øetìzce
69 Find, Insert, Delete: $O(\vert x\vert )$
71 Pamì»: $O(\sum_{i} \vert x\vert )$
78 $h$ ... hashovací funkce $[U] \rightarrow [m]$
80 $m$ ... poèet pøihrádek, v ka¾dé pøihrádce spojový seznam.
84 Perfektní hashovací funkce pøiøadí do ka¾dé z $m$ pøihrádek jediný prvek z $[U]$.
86 \s{Pøíklad:} Jaká je pravdìpodobnost, ¾e 2 z k lidí mají narozeniny ve stejný den? Staèí 23 lidí, aby nastala kolize s pravdìpodobností vìt¹í ne¾ jedna polovina. Aby nenastala, potøebovali bychom vìt¹í poèet pøihrádek: $p = cm^2$
91 \h{Hashování se separovými øetezci}
94 Insert, Delete i Find pracují v èase $O(\vert x\vert )$, pamì»ová slo¾itost je $O(m+n)$
97 vlo¾ili jsme $x_1 \ldots x_n \in [U]$
99 nyní pracujeme s $x \in [U]$
101 pøedpokládejme, ¾e $h(x_i)$ a $h(x)$ jsou náhodné
105 $N_p:=\sharp$ : $h(x_1)=h(x)$
107 $N_{i,p} := 0$ pokud $h(x_i)\neq p$
109 $N_{i,p} := 1$ pokud $h(x_i)= p$
111 $N_p = \sum_{i=1}^n N_{i,p}$
113 $E N_{i,p} = Pr[h(x_i)=p] = {1 \over m} $
115 $E N_p = n {1\over m} = {n \over m} $
119 Za pøedpokladu, ¾e hash pøidìluje náhodnou pøihrádku, je v ka¾dé pøihrádce ${n \over m}$ prvkù.
127 \noindent {\sc Vìta:} {\it Pokud jsme do hashovací tabulky vlo¾ili
128 hodnoty $x_1,\dots,x_m$ tak, ¾e $h_{x_i}$ jsou v¹echny stejnì
129 pravdìpodobné, pak následující Insert, Delete, Find pracují v èase
130 ${\cal O}\,({n \over m}+1)$. (Za pøedpokladu, ¾e výpoèet $h$ trvá
135 {\it Insert}: Spoèítá si $h(x)$ a vlo¾í jej do spojového seznamu v patøièné pøihrádce.
137 {\it Delete}: Spoèítá si $h(x)$ a najde jej v spojovém seznamu v patøièné pøihrádce a
140 {\it Find}: Spoèítá si $h(x)$ a najde jej v spojovém seznamu v patøièné pøihrádce.
144 \noindent Tato metoda má dva háèky:
148 2. musíme dopøedu vìdìt, kolik prvkù budeme vkládat
152 {\large \bf Nafukovací hashovací tabulka}
154 na poèátku: $n=0;m=4$
156 v ka¾dém okam¾iku budeme udr¾ovat pomìr ${n\over m}\in \langle
159 tedy: (pokud nastane)
160 $$n=4 \Rightarrow m:=8 $$
161 $$n=8 \Rightarrow m:=16$$
162 Pøi ka¾dém zvìt¹ování tabulky musíme zvìt¹it obor hodnot hashovací funkce a v¹echny prvky ji¾
163 v tabulce ulo¾ené znovu "zhashovat".
165 Nafukování trvá ${\cal O}\, (n)$, ale mezi dvìma nafouknutími je
166 minimálnì $ {n\over 2} $ Insertù.
168 Pokud tedy ka¾dý Insert pøispìje konstantou, tak to máme zadarmo!
172 PROBLÉM: Jak udìlat funkci Delete? Jednoduché zmen¹ování tabulky pøi pomìru
173 ${n\over m}={1\over 2}$ není dostaèující, nebo» by se mohlo stát, ¾e bychom nafukovali a
174 zfukovali hned po sobì.
178 {\bf Verze s Insert a Delete}
180 Udr¾ujeme ${n\over m}\in \langle {1\over 4},1)$
182 pøi zfukování tabulku pùlíme, pøi nafukování zdvojnásobujeme
186 Po pøehashování je pomìr ${n\over m}={1\over 2} \Rightarrow$mezi dvìma pøehashováními
187 nastane minimálnì ${m\over 2}$ Insertù èi ${m\over 4}$ Deletù, tedy alespoò ${m\over 4}$
190 Zároveò zabereme v¾dy lineárnì prostoru vzhledem k $n$.
194 \noindent {\sc Vìta:} {\it Nafukovací hashování (se separovanými øetìzci) za pøedpokladu
195 rovnomìrné pravdìpodobnosti pracuje v prùmìrném èase ${\cal O}\,(1)$ na operaci a v prostoru
196 ${\cal O}\,(n)$ (kde $n$ je poèet pøítomných prvkù).}
200 Kde pøijít k rovnomìrné hashovací funkci?
204 \noindent Dìdeèkovo vyprávìní:
206 a) $h(x)= x$ $mod (m)$ -rychlá, snadná kolize, sudé x v¾dy v sudých pøihrádkách. Na náhodných
207 èíslech funguje v pohodì.
211 \noindent POZOROVÁNÍ: $\alpha \in(0,1)$ iracionální;
213 $x \in{\sc N}$ pak $\alpha x $ $ mod (1)$ se chová "náhodnì".
217 b) $h(x)=\lfloor m(\alpha x $ $mod(1))\rfloor$
218 $$ {A\over W} \sim \alpha \Rightarrow h(x)= \lfloor m(Ax \ mod(W)) \rfloor $$
222 Jako velmi výhodné se jeví pou¾ívat $\alpha = {{\sqrt{5} -1}\over{2}} $ - pøevrácená hodnota zlatého øezu.
226 c) funkce k hashování øetìzcù
228 $$ h(x_1, \dots , x_n)=c(h(x_1, \dots ,x_{n-1})+x_n)$$
229 $$ \Rightarrow h(x_1, \dots , x_n)=x_n + cx_{n-1} + c^2 x_{n-2} +
234 d)Pokud $x$ je $k$-tice (celých) èísel. Pak mù¾eme jako hashovací funkci pou¾ít skalární
235 souèín s náhodnì vybraným prvkem z vektorového prostoru $Z_p^k$ (nad koneèným tìlesem):
236 $$ h(x)= \overrightarrow{a} * \overrightarrow{x} mod (p) $$
240 Pravdìpodobnost pøes v¹echny volby $\overrightarrow{a}$, ¾e $x,y$ se zahashují stejnì je
242 $$ p[h(x)=h(y)] = p[\overrightarrow{a}*\overrightarrow{x} =
243 \overrightarrow{a}*\overrightarrow{y}]= p[\overrightarrow{a}*
244 (\overrightarrow{x}-\overrightarrow{y})=0)] $$
246 Pokud platí $p[\overrightarrow{a}* (\overrightarrow{x}-\overrightarrow{y}=0)]$, pak
247 $\overrightarrow{a}$ je prvkem ortogonálního doplòku k $(x-y)$, ten má $ dim (W^\bot) =
250 $$ p= {{W^\bot}\over{Z_p^k}}= {{p^{k-1}}\over{p^k}} = {1\over p}={1\over m}$$
252 kde $m$ je poèet pøihrádek. Co¾ je dostaèující.