TABELE DE

DISPERSIE
l. Dr. Ing. erban Radu
Departamentul de Calculatoare
Facultatea de Automatic i Calculatoare
Introducere

Tabelele de dispersie

sunt

structuri de
date care ofer posibilitatea inserrii i
cutrii rapide

Indiferent de numrul de elemente,
inserarea i cutarea se efectueaz n
timp aproape constant, adic O(1)
Avantaje

Tabelele de dispersie se utilizeaz n
programe n care este necesar cutarea
ntr-un timp foarte scurt, prin cteva zeci
de mii de elemente

Tabelele de dispersie sunt mai rapide
dect arborii, care opereaz ntr-un timp
O(logN)
Dezavantaje

Tabelele de dispersie se bazeaz pe
tablouri, care sunt greu de extins, dup ce
au fost create

n unele tipuri de tabele de dispersie,
performanele se reduc la completarea
tabelei peste un anumit prag

Programatorul trebuie s aproximeze
nainte numrul elementelor pe care le va
insera
Dezavantaje

Nu exist o modalitate de a vizita
elementele unei tabele de dispersie ntr-o
anumit ordine, de exemplu n ordine
cresctoare

Trebuie utilizat o alt structur pentru
aceast facilitate
Dispersia datelor

Dispersia datelor se refer la
transformarea unui domeniu de valori ale
unei anumite chei ntr-un domeniu de
indici dintr-un tablou

ntr-o tabel de dispersie, aceast operaie
este realizar utiliznd o funcie de
dispersie

(hash function)
Dispersia datelor

Anumite tipuri de chei nu au nevoie de
aplicarea acestei funcii de dispersie

Valorile lor pot fi utilizate direct ca indici n
tablou
Dicionar

Dac se dorete memorarea tuturor
cuvintelor din limba englez ntr-un
dicionar, astfel nct s poat fi accesate
foarte rapid, utilizarea unei tabele de
dispersie este o soluie foarte bun
Compilatoare

O aplicaie a tabelelor de dispersie este n
cadrul compilatoarelor limbajelor de
programare, care pstreaz o tabel de
simboluri implementat printr-o astfel de
structur

Tabela de simboluri conine toate numele
variabilelor si funciilor definite de
programator, precum i adresele la care
acestea se gsesc n memorie
Exemplu

Se dorete stocarea unui dicionar al limbii
engleze, cu 50.000 de cuvinte

Este posibil ca fiecare cuvnt s ocupe
propria celul ntr-un tablou cu 50.000 de
elemente, sau se poate utiliza un index

Care va fi relaia dintre un cuvnt i
numrul de index corespunztor ?
Transformarea cuvintelor n numere

Este necesar o relaie care s permit
transformarea unui cuvnt n numrul de
index corespunztor

Codurile ASCII au valori cuprinse ntre 0 i
255, pentru a putea include literele mici i
mari, semnele de punctuaie i alte
caractere
Observaii

Alfabetul limbii engleze conine 26 de litere

Se presupune c:
a are asociat valoarea 1
b are asociat valoarea 2
z are asociat valoarea 26
spaiul are asociat valoarea 0

Cum se combin cifrele asociate literelor
ntr-un numr caracteristic ntregului
cuvnt ?
Adunarea cifrelor

O metod de transformare a unui cuvnt
ntr-un numr este de a aduna codurile
numerice asociate tuturor caracterelor
care l compun

Pentru cuvntul cast

se obine:

c+a+s+t=3+1+19+20=43

Cuvntul cast

este memorat n celula cu
indicele 43
Observaii

Dac ne restrngem la cuvinte cu cel mult
10 litere, primul cuvnt din dicionar, a,
este reprezentat prin valoarea:

0+0+0+0+0+0+0+0+0+1=1

Ultimul cuvnt potenial din dicionar este
zzzzzzzzzz

Codul obinut prin adunarea literelor este:

26+26+26+26+26+26+26+26+26+26=260
Observaii

Domeniul global al codurilor este de la 1 la
260

Deoarece exist 50.000 de cuvinte n
dicionar, nu dispunem de suficieni indici
pentru a putea asocia fiecrui cuvnt un
indice propriu

Fiecare element al tabloului va conine
aproximativ 192 de cuvinte (50.000/260)
Observaii

Se poate introduce un subtablou sau o
list nlnuit de cuvinte n fiecare din
elementele tabloului

Aceast soluie duce la o reducere a
vitezei de acces

Dei avem acces imediat la orice element
din tablou, cutarea cuvntului dorit prin
lista de 192 de cuvinte este lent
Forma polinomial

Fiecare caracter dintr-un cuvnt trebuie s
contribuie n mod unic la numrul rezultat
n final, pentru ca fiecare cuvnt s ocupe
singur o celul din tablou

Se poate efectua descompunerea unui
cuvnt n litere, dup care se convertesc
literele n cifrele echivalente, se nmulesc
cu puterile corespunztoare ale lui 27 si se
adun rezultatele
Exemplu

Prin transformarea cuvtului cast

ntr-un
numr, se obine:

3*27
3
+1*27
2
+19*27
1
+20*27
0
=60.311

Aceasta metod genereaz un numr unic
pentru fiecare cuvnt

Pentru cuvinte mai lungi, domeniul de
indici devine prea mare
Dezavantaje

Aceast metod asociaz o celul dintr-un
tablou fiecrui ir de caractere, chiar dac
acesta reprezint sau nu un cuvnt

Numai o mic parte din celule sunt
asociate unor cuvinte reale, deci
majoritatea celulelor din tablou vor fi vide
Observaii

Metoda adunrii cifrelor a generat prea
puini indici

Metoda reprezentrii polinomiale a
generat prea muli indici
Dispersie

Este necesar o modalitate de a compacta
domeniul de valori obinut n urma
reprezentrii polinomiale, pentru a obine
un domeniu care s se apropie de
dimensiunile unui tablou rezonabil

Ct de mare va fi tabloul necesar pentru
exemplul dicionarului limbii engleze ?
Dispersie

Este necesar un tablou cu dimensiunea
dubl fa de numrul de cuvinte, adic un
tablou cu 100.000 de elemente

Se poate reduce domeniul obinut n urma
reprezentrii polinomiale ntr-un domeniu
cuprins ntre 0 i 100.000, prin utilizarea
operatorului modulo (%)
Exemplu

Se restrng numerele 0-199 (desemnate
prin variabila largeNumber) n domeniul 0-9
(desemnate prin variabila smallNumber)

Exist 10 valori n domeniul mai mic i se
definete variabila smallRange=10

smallNumber = largeNumber % smallRange
Observaii

Se compacteaz domeniul, cu un raport
de compresie de 20 la 1

Pentru a comprima numerele care
reprezint, n mod unic, fiecare cuvnt din
limba englez, n numere de index
adecvate tabloului, avem:

arrayIndex = hugeNumber % arraySize
Funcie de dispersie

Funcia de dispersie convertete un numr
dintr-un domeniu mai mare ntr-un numr
dintr-un domeniu mai mic

Domeniul mai mic corespunde cu
domeniul indicilor dintr-un tablou

Un tablou n care elementele sunt inserate
utiliznd o funcie de dispersie se numete
tabel de dispersie
Observaii

Utiliznd operatorul %, se comprim
domeniul foarte mare ntr-un domeniu cu
lungimea dubl fa de numrul elementelor
care trebuie memorate

Exemplu de funcie de dispersie:

arraySize = numberWords * 2

arrayIndex = hugeNumber % arraySize
Observaii

n domeniul foarte mare, fiecare numr
reprezint un ir de caractere, dar puine
dintre aceste iruri sunt cuvinte cu sens
din limba englez

Funcia de dispersie transform aceste
valori mari n numere de index dintr-un
domeniu mult mai mic
Observaii

n acest tablou, exist n medie un cuvnt
la fiecare dou celule

Unele celule rmn neocupate, dar exist
i celule cu mai mult de un cuvnt

O implementare direct a acestei metode
duce la depirea de ctre variabila
hugeNumber a dimensiunii maxime a
tipului su
Coliziuni

Restrngerea domeniului mai mare are un
dezavantaj

Nu este sigur c, pentru dou cuvinte
distincte, nu se va asocia aceeai celul
din tablou (funcia de dispersie nu este
injectiv)
Coliziuni

Situaia seamn cu cazul n care se
adunau codurile literelor, dar este mai bun

Pentru cuvinte de pn la 10 litere, existau
numai 260 de rezultate posibile

Numrul rezultatelor este acum de 50.000

Este imposibil s se evite asocierea
multipl a diferitelor cuvinte n aceeai
celul din tablou
Coliziuni

Nu este posibil ca fiecare indice s fie
asociat unui cuvnt unic

Este de dorit s nu existe foarte multe
cuvinte care s fie repartizate n aceeai
celul
Exemplu

Se presupune c se insereaz cuvntul
melioration

n tablou

Se aplic funcia de dispersie, pentru a
obine numrul indicelui, dar se gsete
celula ocupat de cuvntul demystify,
acestuia fiindu-i asociat acelai indice

Aceast situaie se numete coliziune
Observaii

Deoarece tabloul are de dou ori mai
multe celule dect elemente, jumtate din
celulele tabloului sunt neocupate

O soluie este ca, la apariia unei coliziuni,
s se caute n tablou (ntr-un mod stabilit)
o celul liber, dup care se insereaz
elementul nou n acea celul, n locul celei
obinute prin aplicarea funciei de dispersie
Exemplu

Aceast metod se numete adresare
deschis

(open addressing)

Dac cuvntului cast

i corespunde
celula 5.421 i aceasta este deja ocupat,
se insereaz cuvntul n celula 5.422
Observaii

A doua metod este de a crea un tablou
care conine liste nlnuite n loc de
cuvinte

La apariia unei coliziuni, elementul nou va
fi inserat ntr-o list de cuvinte cu acelai
indice

Metoda se numete nlnuire separat

(separate chaining)
Adresare deschis

n aceast metod, cnd nu se poate
insera un element la valoarea indicelui
calculat de funcia de dispersie, se caut
alt poziie din tablou
Tipuri de adresare deschis

Exist trei metode de adresare deschis,
care difer prin modul de cutare a
urmtoarei celule libere:
sondaj liniar

(linear probing)
sondaj ptratic

(quadratic probing)
dubl dispersie (double hashing)
Sondaj liniar

Metoda caut secvenial o celul liber

Se incrementeaz indexul, pn cnd se
gsete o celul liber

Metoda se numete sondaj liniar,
deoarece parcurge secvenial mulimea
celulelor din tablou
Aplicaia Hash

Cheile sunt cuprinse ntre 0 i 999

Dimensiunea iniial a tabloului este de 60

Funcia de dispersie va comprima
domeniul cheilor, pn la dimensiunea
domeniului indicilor din tablou

arrayIndex = key % 60
Observaii

O secven de celule ocupate dintr-o
tabel de dispersie se numete secven
ocupat (filled sequence)

Pe msur ce se adaug elemente noi,
secvenele ocupate devin din ce n ce mai
lungi

Acest proces se numete creare de
uniti de alocare

(clustering)
Observaii

Umplerea aproape complet a unei tabele
de dispersie este ineficient

Cnd o tabel de dispersie se umple
complet, niciunul dintre algoritmi nu mai
funcioneaz

n aplicaia Hash, toi algoritmii presupun
c n tabel exist cel puin o celul liber
Observaii

La cutarea unei chei, se aplic funcia de
dispersie i se obine un indice din tablou

Dac celula cu indicele respectiv este ocupat
de un element cu o alt cheie, apare o coliziune

Algoritmul va cuta cheia n urmtoarea celul
din tablou

Procesul de cutare a celulei potrivite, n urma
unei coliziuni, se numete sondaj

(probing)
Observaii

Dup detectarea coliziunii, algoritmul va
continua s examineze n ordine celulele
din tablou

Dac se ntlnete o celul liber (nainte
de a gsi cheia cutat), nseamn c
operaia a euat
Observaii

Numrul pailor efectuai pentru gsirea
unei celule libere se numete lungimea
sondajului

(probe length)

n majoritatea cazurilor, lungimea
sondajului este de cteva celule
Fascicule (clustering)

Pe msur ce se umple tabela, fasciculele
de elemente devin mai mari

Crearea de fascicule lungi conduce la
creterea lungimilor de sondaj

Accesul la elementele de la sfritul
secvenei devine lent
Observaii

Cu ct tabela este mai plin, cu att
efectele crerii de fascicule devin mai
neplcute

Nu este nicio problem dac tabela este
plin pe jumtate, pn la o proporie de
dou treimi

Peste aceast valoare, performanele se
reduc, iar fasciculele devin tot mai mari
Observaii

n cazul tabelelor cu adresare deschis,
care utilizeaz metoda sondajului liniar,
pot aprea fascicule de elemente

Dup ce se formeaz, fasciculele tind s
creasc

Elementele noi se vor insera la sfritul
secvenei, care va crete
Observaii

Raportul dintre numrul de elemente dintr-o
tabel i dimensiunea tabelei se numete
coeficient de ncrcare (load factor)

O tabel cu 10.000 de celule i 6.667 de
elemente are un coeficient de ncrcare de 2/3

loadFactor = nItems / arraySize
Observaii

Fasciculele se pot forma chiar atunci cnd
coeficientul de ncrcare are valori sczute

O parte din tabel poate conine fascicule
lungi, cealalt parte rmnnd aproape
neocupat

Prezena fasciculelor conduce la scderea
performanelor tabelei
Exemplu de implementare a adresrii
deschise, folosind sondajul liniar

Se folosete urmtoarea funcie de
dispersie:

hashIndex = key % tableSize

Vezi fiierul HashLinearProbing.cpp
Exemplu de implementare

Pentru a terge un element din tabela de
dispersie, se calculeaz indexul, pornind
de la cheia dat

Dac cheia dat nu exist la indexul
calculat, se face un sondaj, pn se
gsete cheia sau valoarea 0 pentru
variabila marker
Exemplu de implementare

Dac variabila marker este 0 pentru orice
fascicul, atunci cheia nu exist n tabela
de dispersie

Dac se gsete cheia, atunci se terge i
se seteaz variabila marker la -1
Exemplu

Se insereaz cheile 21, 32 i 31

Presupunem tableSize = 5

hashIndex pt 21 = 21 % 5 = 1

hashIndex pt 32 = 32 % 5 = 2

hashIndex pt 31 = 31 % 5 = 1

Avem coliziune pentru 31 i 21
Exemplu

Se caut urmtoarea celul liber

hashIndex pt 31 = (31+1) % 5 = 2

hashIndex cu valoarea 2 este deja ocupat
de cheia 32

hashIndex pt 31 = (31+2) % 5 = 3

hashIndex cu valoarea 3 este liber
Exemplu

Dac se terge 32 i apoi 31, se obine
hashIndex = 1 pentru cheia 31

Fasciculul de la indexul 1 conine cheia 21

Se analizeaz fasciculul urmtor

(31 + 1) % 5 = 2, care este vid

Se poate presupune c cheia 32 nu exist
sau a fost tears
Exemplu

Pentru a evita aceast problem, se
seteaz variabila marker la -1, care indic
c cheia cutat poate fi prezent n
fasciculele urmtoare
Sondaj ptratic

O posibilitate de prevenire a formrii
fasciculelor este utilizarea sondajului
ptratic

Ideea este de a sonda celule distribuite
pe o arie ceva mai larg, n locul celor
imediat adiacente locului n care trebuie
efectuat inserarea
Incrementul este ptratul numrului
iteraiei

ntr-un sondaj liniar, dac indicele iniial de
dispersie este x, celule sondate ulterior vor
fi x+1, x+2, x+3, ...

Sondajul ptratic presupune examinarea
celulelor x+1, x+4, x+9, x+16, ...

Distana dintre acestea i celula iniial
este egal cu ptratul numrului iteraiei
curente
Observaii

Metoda sondajului ptratic mrete pasul
de cutare la fiecare iteraie efectuat

n prima iteraie, algoritmul alege celula
adiacent

Dac aceasta este ocupat, algoritmul
presupune c se gsete ntr-un fascicul i
sare la o distan de 4 celule de locul
iniial
Observaii

Dac se gsete o celul ocupat, se
presupune c fasciculul n care se afl
este ceva mai mare i se ncearc la o
distan de 9 celule

Dac i aceast celul este ocupat,
algoritmul se deplaseaz la o distan de
16 celule

Algoritmul caut un loc liber, pentru a
insera elementul
Aplicaia HashDouble

Aplicaia HashDouble permite utilizarea a
dou metode de tratare a coliziunilor:
sondajul ptratic i dubla dispersie

Este bine ca dimensiunea tabelei s fie un
numr prim

Dac dimensiunea tabelei nu este numr
prim, este posibil apariia unei secvene
infinite de iteraii n algoritmul de sondaj
Dezavantajul sondajului ptratic

Sondajul ptratic rezolv problema
fasciculelor, care aprea n cazul
sondajului liniar

Aceast problem se numete acumulare
primar (primary clustering)

Sondajele ptratice produc un tip diferit (i
mult mai greu de detectat) de acumulri
Observaii

Aceste acumulri apar datorit faptului c,
pentru toate cheile asociate unei anumite
celule, se parcurge aceeai secven, n
cutarea unui loc liber

Se presupune c valorile 184, 302, 420 i
544 au toate asociate celula 7 i sunt
inserate n aceast ordine
Exemplu

Elementul 302 va necesita un sondaj cu o
singur iteraie, pentru 420 vor fi necesare
dou iteraii, iar pentru 544, trei iteraii

Fiecare element nou asociat celulei 7 va
determina creterea numrului de iteraii
n sondaj

Acest fenomen se numete acumulare
secundar (secondary clustering)
Dubla dispersie

Pentru a elimina acumularea primar,
precum i cea secundar, se utilizeaz
dubla dispersie

Este necesar o modalitate de a genera
secvene de sondaj, care depind de
fiecare cheie n parte, n locul celor
invariante fa de cheie

Valorile diferite asociate aceluiai indice
vor utiliza secvene de sondaj diferite
Dubla dispersie

Soluia este de a trece cheia prin funcia
de dispersie pentru a doua oar, cu o alt
funcie de dispersie, utiliznd rezultatul
obinut ca pas de deplasare

Pentru o aceeai cheie, pasul va rmne
constant pe parcursul unui sondaj,
modificndu-se ns pentru o alt cheie
Dubla dispersie

Proprietile funciilor secundare de
dispersie sunt:

1. Funcia secundar nu trebuie s
coincid cu cea primar

2. Rezultatul funciei nu trebuie s fie
niciodat 0 (care corespunde unei
deplasri nule

toate sondajele ar
staiona pe aceeai celul, iar algoritmul ar
intra n bucl infinit)
Dubla dispersie

Funciile de forma urmtoare dau rezultate
bune:

stepSize = constant (key % constant)

unde valoarea constant este prim i mai
mic dect dimensiunea tabloului

De exemplu:

stepSize = 5 (key % 5)
Observaii

Pentru o cheie dat, toate iteraiile vor
determina o deplasare cu un pas constant,
dar o alt cheie va modifica acest pas

n cazul funciei prezentate, paii de
deplasare sunt cuprini ntre 1 i 5
Aplicaia HashDouble

Chiar la valori mari ale coeficientului de
ncrcare, majoritatea elementelor vor fi
gsite n poziiile iniiale, utiliznd numai
prima funcie de dispersie

Puine elemente vor necesita secvene
mari de sondaj
Dimensiunea tabelei trebuie s fie
un numr prim

Metoda dublei dispersii cere ca
dimensiunea tabelei s fie un numr prim

Pentru a justifica alegerea, s considerm
o situaie n care aceast condiie nu este
ndeplinit

S presupunem c dimensiunea tabelei
este 15 (cu indici de la 0 la 14)
Exemplu

S presupunem c unei anumite chei i
corespunde indicele iniial 0 i pasul de
deplasare 5

Secvena de sondaj va fi:

0, 5, 10, 0, 5, 10, ..., repetndu-se la infinit

Singurele celule examinate sunt cele cu
indicii 0, 5 i 10
Exemplu

Algoritmul nu va detecta niciodat
eventualele celule libere, cu indicii 1, 2, 3, ...

Algoritmul intr ntr-o bucl infinit

Dac dimensiunea tabelei este 13, care este
un numr prim, secvena de sondaj va vizita
toate celulele, aceasta fiind:

0, 5, 10, 2, 7, 12, 4, 9, 1, 6, 11, 3, 8, 0, 5, ...
Exemplu

Chiar dac exist o singur celul liber,
sondajul o va detecta

Utiliznd un numr prim ca dimensiune a
tabelei, ne asigurm c aceasta nu este
un multiplu al pasului de deplasare, deci
secvena de sondaj va vizita toate celulele
din tabel
Observaii

Un efect similar are loc i n cazul
sondajului ptratic

n acest caz, mrimea pasului crete la
fiecare iteraie, depind, dup un numr
de iteraii, valoarea maxim care poate fi
memorat ntr-o variabil de tipul int i
prevenind astfel apariia unei bucle infinite
Exemplu de implementare a adresrii
deschise, folosind dubla dispersie

Vezi fiierul HashDoubleHashing.cpp
nlnuire separat (separate
chaining)

n schema adresrii deschise, coliziunile sunt
rezolvate prin cutarea unei celule libere n
tabela de dispersie

O abordare diferit este ca fiecare celul din
tabel s conin o list nlnuit

Cheia unui anumit element este transformat
ntr-un indice, prin aplicarea funciei de
dispersie, elementul fiind apoi inserat n lista
nlnuit din celula cu indicele calculat anterior
nlnuire separat

Celalalte elemente, crora le va
corespunde acelai indice, vor fi inserate
n aceeai list

Nu va fi nevoie de cutarea unei celule
libere n tabel

nlnuirea separat este mai simpl, din
punct de vedere conceptual, dect
adresarea deschis
Aplicaia HashChain

Se pot crea tabele de dispersie cu maxim
100 de liste, cu coeficieni de ncrcare de
cel mult 2

n cazul unei cutri reuite, se
examineaz, n medie, jumtate din
elementele listei

n cazul unei cutri nereuite, se
examineaz toate elementele din list
Exemplu de implementare a
nlnuirii separate

Vezi fiierul HashSeparateChaining.cpp
Coeficient de ncrcare

Coeficientul de ncrcare (raportul dintre
numrul de elemente dintr-o tabel de
dispersie i dimensiunea maxim a
tabelei) are valori diferite fa de cazul
adresrii deschise

n metoda nlnuirii separate, este normal
ca o tabel cu N celule s conin cel puin
N elemente
Coeficient de ncrcare

Coeficientul de ncrcare va avea valori
supraunitare

Aceast ncrcare nu reprezint o
problem

Vor exista anumite celule cu cel puin
dou elemente n listele corespunztoare
Observaii

n cazul n care listele conin multe
elemente, timpul de acces crete, din
cauz c accesul la un anumit element
presupune parcurgerea, n medie, a
jumtate din elementele listei
Observaii

Gsirea celulei iniiale se efectueaz ntr-un
timp scurt O(1), dar cutarea ntr-o list
necesit un timp proporional cu numrul de
elemente din list, O(M)

Este bine ca listele s nu fie foarte
ncrcate
Observaii

n schema adresrii deschise,
performanele se reduc cnd coeficientul
de ncrcare depete valoarea 2/3

nlnuirea separat permite o cretere a
acestui factor la valori supraunitare, fr a
afecta prea mult performanele tabelei de
dispersie
Valori multiple

Valorile multiple sunt permise i pot fi
generate n procesul de umplere a tabelei

Toate elementele cu o aceeai cheie vor fi
inserate n aceeai list

Pentru a le gsi, este necesar s
parcurgem toat lista i n cazul n care
operaia reuete

Aceasta conduce la o scdere a
performanelor
tergerea

tergerea nu mai ridic problemele care
apreau la adresarea deschis

Algoritmul gsete mai nti lista potrivit,
dup care terge elementul din list

Datorit faptului c sondajele nu mai sunt
necesare, nu conteaz dac lista dintr-o
anumit celul devine vid
Dimensiunea tabelei

Dimensiunea tabelei nu mai trebuie s fie
n acest caz un numr prim, cum era n
cazul sondajului ptratic i dublei dispersii

Nemaiexistnd sondaje, a disprut
pericolul ca un sondaj s intre ntr-o bucl
infinit, din cauz c dimensiunea tabelei
este divizibil cu pasul de deplasare
Dimensiunea tabelei

Pe de alt parte, anumite distribuii ale
cheilor pot determina apariia fasciculelor
de elemente, cnd dimensiunea tabelei nu
este un numr prim
Glei

O alt posibilitate, similar nlnuirii
separate, este ca fiecare celul din tabela de
dispersie s conin un tablou, n locul listei
nlnuite

Aceste tablouri se numesc glei (buckets)

Aceast soluie este mai ineficient fa de
cea care utilizeaz liste, din cauza necesitii
de a stabili dimensiunea tablourilor
Observaii

Dac tabloul este prea mic, capacitatea lui
poate fi depit, iar dac este prea mare,
determin un consum inutil de memorie

Listele nlnuite, care aloc memoria n
mod dinamic, evit acest dezavantaj
Funcii de dispersie

O funcie de dispersie trebuie s fie
simpl, pentru a fi calculat rapid

Avantajul tabelelor de dispersie l
reprezint viteza de acces

Dac funcia de dispersie este lent,
perfomanele se reduc
Funcii de dispersie

Scopul unei funcii de dispersie este de a
transforma valorile unor chei dintr-un
domeniu precizat n valori ale unor indici
dintr-o tabel, distribuite aleator i ct mai
uniform

Cheile pot fi, la rndul lor, mai mult sau
mai puin aleatoare
Chei aleatoare

O funcie perfect de distribuie asociaz
fiecrei chei un indice diferit n tabel

Acest lucru este posibil numai pentru
secvene de chei cuprinse ntr-un domeniu
suficient de mic, pentru a putea fi utilizate
direct ca indici ntr-un tablou

n majoritatea cazurilor, aceste condiii nu
sunt ndeplinite, funciile de dispersie avnd
rolul de a comprima un domeniu mai mare
de chei ntr-unul mai mic de indici
Chei aleatoare

Distribuia cheilor determin sarcinile pe
care funcia de dispersie trebuie s le
ndeplineasc

Se presupune c datele sunt aleator
distribuite n ntreg domeniul

n aceast situaie, funcia:

index = key % arraySize

este suficient de bun
Observaii

Funcia presupune efectuarea unei
singure operaii aritmetice, iar pentru chei
aleatoare, indicii rezultai vor fi aleatori
Eficiena tabelelor de dispersie

Inserarea i cutarea ntr-o tabel de
dispersie se pot efectua ntr-un timp
apropiat de cel constant, O(1)

Dac nu apar coliziuni, inserarea unui
element nou sau cutarea unuia existent
se reduc la un apel al funciei de dispersie
i la un acces n tabel

Acesta este timpul de acces minim
Eficiena tabelelor de dispersie

n cazul apariiei coliziunilor, timpul de
acces depinde de lungimea secvenelor de
sondaj rezultate

Fiecare acces la o celul, n procesul de
sondaj, crete timpul de cutare pentru o
celul liber (n cazul inserrii) sau pentru
o celul existent n tabel
Eficiena tabelelor de dispersie

Un acces presupune detectarea celulelor
libere, iar n cazul cutrii sau tergerii,
comparaia dintre valoarea din celula
curent i valoarea dorit

Timpul operaiei de cutare sau de
inserare este direct proporional cu
lungimea sondajului efectuat

Acesta se adun la timpul constant,
necesar calculului funciei de dispersie
Eficiena tabelelor de dispersie

Lungimea medie a sondajului (timpul
mediu de acces) depinde de coeficientul
de ncrcare (raportul dintre numrul de
elemente din tabel i dimensiunea
tabelei)

Pe msur ce coeficientul de ncrcare
crete, secvenele de sondaj devin din ce
n ce mai lungi
Adresarea deschis

Pierderea de eficien, la valori mari ale
coeficienilor de ncrcare, este mult mai
mare pentru diferitele scheme de adresare
deschis, dect n cazul nlnuirii
separate

n adresarea deschis, cutrile nereuite
dureaz mai mult dect cele reuite
Adresarea deschis

Pe parcursul unei secvene de sondaj,
algoritmul se oprete, imediat ce gsete
elementul dorit, ceea ce se ntmpl, n
medie, la jumtate din lungimea total a
secvenei

ntr-o cutare nereuit, algoritmul trebuie
s parcurg toat secvena, nefiind sigur
dac va gsi sau nu elementul
Sondajul liniar

Relaia dintre lungimea sondajului (P) i
coeficientul de ncrcare (L), n cazul
sondajului liniar, este:

P = (1 + 1 / (1 L)) / 2

Pentru o operaie nereuit, avem:

P = (1 + 1 / (1 L)
2
) / 2
Observaii

La un coeficient de ncrcare de 1/2, o
cutare reuit presupune efectuarea a
1,5 comparaii, n timp ce una nereuit
necesit 2,5 comparaii

La un coeficient de ncrcare de 2/3, o
cutare reuit presupune efectuarea a 2
comparaii, n timp ce una nereuit
necesit 5 comparaii
Observaii

Coeficientul de ncrcare nu trebuie s
depeasc 2/3 sau, dac este posibil, 1/2

Cu ct coeficientul de ncrcare este mai mic,
cu att se consum mai mult memorie,
pentru a stoca un anumit volum de date

Valoarea optim a coeficientului de ncrcare
depinde de compromisul dintre eficiena
utilizrii memoriei, care scade la valori mici
ale coeficientului, i viteza, care crete
Sondajul ptratic i dubla
dispersie

Performanele pentru metodele de sondaj
ptratic i dubla dispersie sunt descrise
prin ecuaii comune

Acestea indic o superioritate uoar fa
de sondajul liniar
Sondajul ptratic i dubla
dispersie

n cazul unei cutri reuite, avem:

P =

log
2

(1

L) / L

n cazul unei cutri nereuite, avem:

P = 1 / (1

L)
Observaii

La un coeficient de ncrcare de 1/2, att o
cutare reuit, ct i una nereuit,
necesit, n medie, dou sondaje

La un coeficient de ncrcare de 2/3,
valorile sunt 2,37 i 3

La un coeficient de ncrcare de 4/5,
valorile sunt 2,9 i 5
Observaii

Sondajul ptratic i dubla dispersie permit
valori ceva mai mari ale coeficientului de
ncrcare, fr o scdere a performanelor
Inlnuirea separat

Vrem s aflm ct dureaz inserarea unui
element ntr-o tabel de dispersie cu
nlnuire separat

Presupunem c operaia cea mai
consumatoare de timp este comparaia
cheii elementului cu celelalte chei din list
Inlnuirea separat

Presupunem c timpul necesar pentru
determinarea listei potrivite i pentru
detectarea sfritului unei liste este egal
cu timpul necesar unei comparaii

Durata total a operaiei este:

1 + nComps

unde nComps reprezint numrul
comparaiilor de chei
Observaii

Presupunem c tabela are arraySize
elemente, fiecare dintre acestea coninnd
o list, iar numrul elementelor inserate n
tabel este N

Lungime medie a listei = N / arraySize

L = N / arraySize

Lungimea medie a unei liste este egal cu
coeficientul de ncrcare
Cutarea

ntr-o operaie de cutare reuit,
algoritmul determin lista potrivit i apoi
caut elementul dorit n aceasta

n medie, trebuie examinate jumtate din
elemente, nainte de a-l gsi pe cel corect

Timpul de cutare mediu este:

1 + L / 2
Observaii

Aceast relaie este valabil, indiferent
dac listele sunt sau nu sortate

ntr-o cutare nereuit, dac listele sunt
neordonate, trebuie parcurse toate
elementele, deci timpul este:

1 + L
Observaii

n cazul listelor ordonate, o cutare
nereuit va examina, n medie, jumtate
dintre elemente, timpul fiind acelai ca i
pentru o operaie reuit

n metoda nlnuirii separate se utilizeaz
un coeficient de ncrcare de aproximativ
1 (numrul de elemente egaleaz
dimensiunea tabelei)
Observaii

Valorile mai mici ale factorului de
ncrcare nu determin mbuntiri
semnificative ale performanelor

Timpul necesar tuturor operaiilor crete
liniar, n raport cu coeficientul de
ncrcare, deci depirea valorii 2 nu este
recomandat
Inserarea

Dac listele nu sunt ordonate, inserarea
este ntotdeauna imediat, adic nu
necesit efectuarea de comparaii

Funcia de dispersie trebuie calculat, deci
timpul de inserare este de ordinul O(1)
Inserarea

Pentru liste sortate, ca i n cazul
cutrilor nereuite, trebuie examinate, n
medie, jumtate din elementele din list

Timpul de inserare este:

1 + L / 2
Adresarea deschis sau
nlnuirea separat

Dac se opteaz pentru adresarea
deschis, dubla dispersie are performane
ceva mai bune fa de sondajul ptratic

Excepia o constituie cazul n care
dispunem de un volum mare de memorie
i datele nu se mai expandeaz dup
crearea tabelei
Adresarea deschis sau
nlnuirea separat

Sondajul liniar este ceva mai uor de
implementat i, dac coeficientul de
ncrcare nu depete 1/2, funcioneaz
cu performane destul de bune

Dac numrul de elemente inserate nu
este cunoscut dinainte, este de preferat s
utilizm nlnuirea separat
Adresarea deschis sau
nlnuirea separat

Creterea coeficientului de ncrcare
determin scderi al performanelor n
metoda adresrii deschise

Pentru nlnuirea separat, scderea
performanelor este un proces liniar
Concluzii

Tabelele de dispersie au ca structuri de
baz tablourile

Domeniul de valori ale cheilor, este, de
regul, mai mare dect dimensiunea
tabelei

Valoarea unei chei este asociat unui
indice dintr-un tablou, utiliznd o funcie de
dispersie
Concluzii

Un dicionar poate fi implementat eficient
printr-o tabel de dispersie

Dispersia unei chei ntr-o celul deja
ocupat se numete coliziune

Coliziunile pot fi tratate n dou moduri:
Prin adresare deschis
Prin nlnuire separat
Concluzii

n adresarea deschis, elementele
asociate unei celule deja ocupate sunt
plasate n alte celule din tabel

n metoda nlnuirii separate, fiecare
celul din tabel este o list nlnuit

Toate elementele asociate acelei celule
sunt inserate n acea list
Concluzii

Exist trei metode distincte de adresare
deschis:
Sondajul liniar
Sondajul ptratic
Dubla dispersie
Concluzii

n metoda sondajului liniar, pasul de
deplasare este 1, deci, dac x este
indicele calculat de funcia de dispersie,
secvena de sondaj este:

x, x+1, x+2, x+3, ...

Numrul pailor necesari pentru a gsi un
anumit element se numete lungimea
sondajului
Concluzii

Sondajul liniar determin apariia
secvenelor continue de celule ocupate

Acestea se numesc fascicule primare i
determin o scdere a performanelor

n sondajul ptratic, deplasarea fa de
celula iniial x este ptratul numrului
iteraiei, deci secvena de sondaj este:

x, x+1, x+4, x+9, x+16, ...
Concluzii

Sondajul ptratic elimin fasciculele
primare, dar determin apariia problemei,
mai puin importante, a fasciculelor
secundare

Fasciculele secundare apar datorit
faptului c toate cheile care au asociat
aceeai valoare vor utiliza aceeai
secven de sondaj
Concluzii

Toate cheile asociate aceleiai valori
utilizeaz aceeai secven de sondaj, din
cauz c pasul de deplasare nu depinde
de cheie, ci numai de numrul iteraiei

n metoda dublei dispersii, pasul de
deplasare depinde de cheie, fiind obinut
prin utilizarea unei funcii secundare de
dispersie
Concluzii

Dac funcia secundar de dispersie
ntoarce valoarea s, secvena de sondaj
este:

x, x+s, x+2s, x+3s, x+4s, ...

unde valoarea s depinde de cheie, dar
rmne constant pe parcursul sondajului
Concluzii

Coeficientul de ncrcare este raportul
dintre numrul de elemente dintr-o tabel
de dispersie i dimensiunea maxim a
tabelei

Valoarea maxim a coeficientului de
ncrcare, n cazul adresrii deschise,
trebuie s fie 0,5
Concluzii

n metoda dublei dispersii, la un coeficient
de ncrcare de 0,5, lungimea medie a
unei secvene de sondaj este 2

n cazul adresrii deschise, timpii de
cutare tind spre infinit, pe msur ce
coeficientul de ncrcare se apropie de
valoarea 1
Concluzii

Este important ca tabelele cu adresare
deschis s nu fie foarte pline

nlnuirea separat permite utilizarea unui
coeficient de ncrcare de 1

La aceast valoare, secvena de sondaj
pentru o cutare reuit are lungimea
medie de 1,5, iar pentru o operaie
nereuit, de 2
Concluzii

Lungimea de sondaj crete liniar, n raport
cu coeficientul de ncrcare, n cazul
nlnuirii separate

Dimensiunea tabelei de dispersie trebuie
s fie, n general, un numr prim

Aceast condiie trebuie respectat n
special n cazul sondajului ptratic i al
dublei dispersii