哈希游戏作为一种新兴的区块链应用，它巧妙地结合了加密技术与娱乐，为玩家提供了全新的体验。万达哈希平台凭借其独特的彩票玩法和创新的哈希算法，公平公正-方便快捷!万达哈希,哈希游戏平台,哈希娱乐,哈希游戏

　　函数可以很大程度上提高程序的整体时间效率和空间效率。本文对面向各种不同标本（关键值）的

　　对于一个Hash函数，评价其优劣的标准应为随机性，即对任意一组标本，进入Hash表每一个单元（cell）之概率的平均程度，因为这个概率越平均，数据在表中的分布就越平均，表的空间利用率就越高。由于在竞赛中，标本的性质是无法预知的，因此数学推理将受到很大限制。我们用实验的方法研究这个随机性。

　　常用的方法有三种：直接取余法、乘积取整法、平方取中法。下面我们对这三种方法分别进行讨论。以下假定我们的关键字是，Hash表的容量是，Hash函数为。

　　例如，表容量，关键值，那么。该方法的好处是实现容易且速度快，是很常用的一种方法。但是如果选择的不好而偏偏标本又很特殊，那么数据在Hash中很容易扎堆而影响效率。

　　对于的选择，在经验上，我们一般选择不太接近的一个素数；如果关键字的值域较小，我们一般在此值域1.1~1.6倍范围内选择。例如的值域为，那么即为一个不错的选择。竞赛的时候可以写一个素数生成器或干脆自己写一个比较像素数的数。

　　可见对于随机数据，取余法的最大单元容量达到了期望容量的将近3倍。经测试，在我的机器（Pentium III 866MHz，128MB RAM）上，该函数的运行时间大约是39ns，即大约35个时钟周期。

　　我们用关键字乘以一个在中的实数（最好是无理数），得到一个之间的实数；取出其小数部分，乘以，再取整数部分，即得在Hash表中的位置。函数表达式可以写成：

　　其中表示的小数部分，即。例如，表容量，种子（是一个实际效果很好的选择），关键值，那么。

　　从公式中可以看出，这个方法受的影响是很小的，在的值比较不适合直接取余法的时候这个方法的表现很好。但是从上面的测试来看，其表现并不是非常理想，且由于浮点运算较多，运行速度较慢。经反复优化，在我的机器上仍需892ns才能完成一次计算，即810个时钟周期，是直接取余法的23倍。

　　我们把关键字平方，然后取中间的位作为Hash函数值返回。由于的每一位都会对其平方中间的若干位产生影响，因此这个方法的效果也是不错的。但是对于比较小的值效果并不是很理想，实现起来也比较繁琐。为了充分利用Hash表的空间，最好取2的整数次幂。例如，表容量，关键值，那么。

　　用4000个数插入一个容量为512的Hash表（注意这里没有用701，是为了利用Hash表的空间），得到的结果是：

　　效果比我们想象的要差，尤其是对于连续数据。但由于只有乘法和位运算，该函数的速度是最快的。在我的机器上，一次运算只需要23ns，即19个时钟周期，比直接取余法还要快一些。

　　从这个表格中我们很容易看出，直接取余法的性价比是最高的，因此也是我们竞赛中用得最多的一种方法。

　　对于实数的Hash函数，我们可以直接利用乘积取整法；而对于标本为其他类型数据的Hash函数，我们可以先将其转换为整数，然后再将其插入Hash表。下面我们来研究把其他类型数据转换成整数的方法。

　　字符串本身就可以看成一个256进制（ANSI字符串为128进制）的大整数，因此我们可以利用直接取余法，在线性时间内直接算出Hash函数值。为了保证效果，仍然不能选择太接近的数；尤其是当我们把字符串看成一个进制数的时候，选择会使得该字符串的任意一个排列的Hash函数值都相同。（想想看，为什么？）

　　常用的字符串Hash函数还有ELFHash，APHash等等，都是十分简单有效的方法。这些函数使用位运算使得每一个字符都对最后的函数值产生影响。另外还有以MD5和SHA1为代表的杂凑函数，这些函数几乎不可能找到碰撞（MD5前一段时间才刚刚被破解）。

　　我从Mark Twain的一篇小说中分别随机抽取了1000个不同的单词和1000个不同的句子，作为短字符串和长字符串的测试数据，然后用不同的Hash函数把它们变成整数，再用直接取余法插入一个容量为1237的Hash表，遇到冲突则用新字符串覆盖旧字符串。通过观察最后剩下的字符串的个数，我们可以粗略地得出不同的Hash函数实际效果。

　　把1000个随机数用直接取余法插入容量为1237的Hash表，其覆盖单元数也只达到了694，可见后面的几种方法已经达到了极限，随机性相当优秀。然而我们却很难选择，因为不存在完美的、既简单又实用的解决方案。我一般选择JS Hash或SDBM Hash作为字符串的Hash函数。这两个函数的代码如下：

　　JSHash的运算比较复杂，如果对效果要求不是特别高的话SDBMHash是一个很好的选择。

　　准确的说，这里我们的研究不再仅仅局限在Hashing的工作，而是进化到一个numerize的过程，也就是说我们可以在排列和1到的自然数之间建立一一对应的关系。这样我们就可以利用这个关系来直接定址，或者用作Hash函数；在基于状态压缩的动态规划算法中也能用上。

　　其中，。甚至在式子后面加上一个也无妨，在后面我们把这一项忽略掉。所以从0到的个自然数与

　　我们可以把序列理解为一个变进制数，也就是第一位二进制，第二位三进制，，第位进制，，第位进制。这样，我们就可以方便的使用类似除取余法的方法从一个自然数算出序列。由于这样的序列共有个，我们很自然的想到把这个序列和个元素的全排列建立一一对应。

　　为了方便起见，不妨设个元素为。对应的规则如下：设序列（*）对应的某一排列，其中可以看做是排列中数所在位置右边比小的数的个数。以排列4213为例，它是元素1,2,3,4的一个排列。4的右边比4小的数的数目为3，所以。3右边比3小的数的数目为0，即。同理。所以排列4213对应于变进制的301，也就是十进制的19；反过来也可以从19反推到301，再反推到排列4213。

　　受到这个思路启发，我们同样可以把更一般性的排列与自然数之间建立一一对应关系。想一想从个元素中选个的排列数的公式是怎么来的？根据乘法原理，我们有

　　这是由于在排列的第1个位置有种选择，在排列的第2个位置有种选择，，在排列的第个位置有种选择。既然这样，我们可以定义一种m-n变进制数，使其第1位是进制，第2位是进制，，第位是进制。这样，0到之间的任意一个自然数都可以唯一地表示成：

　　其中，。注意到（证明略，可直接变形结合前面的引理推得），所以从0到的个自然数可以与序列

　　我们设个元素为，从中取出个。对应关系如下：维护一个首元素下标为0的线性表，初始时。对于某一排列，我们从开始处理。首先在中找到的下标记为，然后删除；接着在中找到的下标记为，然后删除直到被删除为止。以在5个元素1,2,3,4,5中取出2,4,3为例，这时。首先在中取出2，记下，变为1,3,4,5；在中取出4，记下，变为1,3,5；在中取出3，记下，变为1,5。因此排列243对应于3-5变进制数121，即十进制数19；反过来也可以从十进制数19反推到121，再反推到排列243。各序列及其对应的排列如下表：

　　本文对几个常用的Hash函数进行了总结性的介绍和分析，并将其延伸到应用更加广泛的与自然数建立一一对应的过程。Hash是一种相当有效的数据结构，充分体现了空间换时间的思想。在如今竞赛中内存限制越来越松的情况下，要做到充分利用内存空间来换取宝贵的时间，Hash能够给我们很大帮助。我们应当根据题目的特点，选择适合题目的数据结构来优化算法。对于组合与自然数的一一对应关系，我还没有想到好的方法，欢迎大家讨论。

　　[2]刘汝佳，黄亮.《算法艺术与信息学竞赛》.北京：清华大学出版社，2004

　　[3]卢开澄，卢华明.《组合数学》（第3版）.北京：清华大学出版社，2002