このコードチャレンジでは、140バイト¹以下のソースコードでハッシュ関数を記述します。ハッシュ関数は、入力としてASCII文字列を受け取り、出力として24ビットの符号なし整数（[0、2 ²⁴ -1]）を返す必要があります。

ハッシュ関数は、この大きな英国英語辞書^2のすべての単語に対して評価されます。スコアは、ハッシュ値を別の単語と共有する（衝突する）単語の量です。

最も低いスコアが勝ち、最初のポスターでタイが壊れます。

テストケース

送信する前に、次の入力でスコアリングスクリプトをテストしてください。

duplicate
duplicate
duplicate
duplicate

4以外のスコアを与える場合、バグがあります。

明確化ルール：

1. ハッシュ関数は、配列全体ではなく、単一の文字列で実行する必要があります。また、ハッシュ関数は入力文字列と出力整数以外のI / Oを実行しない場合があります。
2. 組み込みのハッシュ関数または同様の機能（たとえば、スクランブルバイトへの暗号化）は許可されていません。
3. ハッシュ関数は決定的でなければなりません。
4. 他のほとんどのコンテストとは異なり、得点入力用に最適化することは特に許可されています。

^{1 Twitterではバイトではなく文字が制限されていることは承知していますが、簡単にするために、この課題の制限としてバイトを使用します。
2 Debianのwbritish-hugeから変更し、非ASCIIワードを削除します。}

申し分なく、ゴルフの言語を学びに行きます。

CJam、140バイト、3314の衝突ワード

00000000: 7b5f 3162 225e d466 4a55 a05e 9f47 fc51  {_1b"^.fJU.^.G.Q
00000010: c45b 4965 3073 72dd e1b4 d887 a4ac bcbd  .[Ie0sr.........
00000020: 9c8f 70ca 2981 b2df 745a 10d0 dfca 6cff  ..p.)...tZ....l.
00000030: 7a3b 64df e730 54b4 b068 8584 5f6c 9f6b  z;d..0T..h.._l.k
00000040: b7f8 7a1f a2d3 b2b8 bcf5 cfa6 1ef7 a55c  ..z............\
00000050: dca8 795c 2492 dc32 1fb6 f449 f9ca f6b7  ..y\$..2...I....
00000060: a2cf 4772 266e ad4f d90c d236 b51d c5d5  ..Gr&n.O...6....
00000070: 5c46 3f9b 7cb4 f195 4efc fe4a ce8d 9aee  \F?.|...N..J....
00000080: 9dbc 223d 6962 3443 2329 257d            .."=ib4C#)%}

ブロック（無名関数）を定義します。テストするqN%%N*Nには、stdinで改行で区切られた単語のリストを取得し、stdoutで改行で区切られたハッシュのリストを作成するように追加できます。同等のPythonコード：

b=lambda s,a:reduce(lambda n,c:n*a+ord(c),s,0)
f=lambda s:b(s,ord('^\xd4fJU\xa0^\x9fG\xfcQ\xc4[Ie0sr\xdd\xe1\xb4\xd8\x87\xa4\xac\xbc\xbd\x9c\x8fp\xca)\x81\xb2\xdftZ\x10\xd0\xdf\xcal\xffz;d\xdf\xe70T\xb4\xb0h\x85\x84_l\x9fk\xb7\xf8z\x1f\xa2\xd3\xb2\xb8\xbc\xf5\xcf\xa6\x1e\xf7\xa5\\\xdc\xa8y\\$\x92\xdc2\x1f\xb6\xf4I\xf9\xca\xf6\xb7\xa2\xcfGr&n\xadO\xd9\x0c\xd26\xb5\x1d\xc5\xd5\\F?\x9b|\xb4\xf1\x95N\xfc\xfeJ\xce\x8d\x9a\xee\x9d\xbc'[b(s,1)%125]))%(8**8+1)

Pyth、140バイト、3535 3396の衝突ワード

00000000: 4c25 4362 2d68 5e38 2038 2a36 3643 4022  L%Cb-h^8 8*66C@"
00000010: aa07 f29a 27a7 133a 3901 484d 3f9b 1982  ....'..:9.HM?...
00000020: d261 79ab adab 9d92 888c 3012 a280 76cf  .ay.......0...v.
00000030: a2e5 8f81 7039 acee c42e bc18 28d8 efbf  ....p9......(...
00000040: 0ebe 2910 9c90 158e 3742 71b4 bdf5 59c2  ..).....7Bq...Y.
00000050: f90b e291 8673 ea59 6975 10be e750 84c8  .....s.Yiu...P..
00000060: 0b0f e7e8 f591 f628 cefa 1ab3 2e3c 72a3  .......(.....<r.
00000070: 7f09 6190 dbd2 d54e d6d0 d391 a780 ebb6  ..a....N........
00000080: ae86 2d1e 49b0 552e 7522 4362            ..-.I.U.u"Cb

という名前の関数を定義しますy。テストするjmyd.zには、stdinで改行で区切られた単語のリストを取得し、stdoutで改行で区切られたハッシュのリストを作成するように追加できます。同等のPythonコード：

b=lambda s,a:reduce(lambda n,c:n*a+ord(c),s,0)
f=lambda s:b(s,256)%(8**8+1-66*ord("\xaa\x07\xf2\x9a'\xa7\x13:9\x01HM?\x9b\x19\x82\xd2ay\xab\xad\xab\x9d\x92\x88\x8c0\x12\xa2\x80v\xcf\xa2\xe5\x8f\x81p9\xac\xee\xc4.\xbc\x18(\xd8\xef\xbf\x0e\xbe)\x10\x9c\x90\x15\x8e7Bq\xb4\xbd\xf5Y\xc2\xf9\x0b\xe2\x91\x86s\xeaYiu\x10\xbe\xe7P\x84\xc8\x0b\x0f\xe7\xe8\xf5\x91\xf6(\xce\xfa\x1a\xb3.<r\xa3\x7f\ta\x90\xdb\xd2\xd5N\xd6\xd0\xd3\x91\xa7\x80\xeb\xb6\xae\x86-\x1eI\xb0U.u"[b(s,256)%121]))

理論的限界

どのくらいうまくいくと期待できますか？これは、x、衝突する単語の数、v、最大でxの衝突する単語を取得するために必要なバイト単位のエントロピーのプロットです。たとえば、ポイント（2835、140）は、ランダム関数が確率1/256 ** 140で最大2835の衝突する単語を取得することを示しているため、140を使用した場合よりもはるかに優れた結果が得られることはほとんどありませんコードのバイト。

Python、5333 4991

これは、ランダムなオラクルよりもかなり良いスコアを獲得した最初の候補だと思います。

def H(s):n=int(s.encode('hex'),16);return n%(8**8-ord('+%:5O![/5;QwrXsIf]\'k#!__u5O}nQ~{;/~{CutM;ItulA{uOk_7"ud-o?y<Cn~-`bl_Yb'[n%70]))

Python 2、140バイト、4266の衝突単語

トゥイータビリティが不明確なため、印刷不可能なバイトから始めたくはありませんでしたが、そうではありませんでした。:-P

00000000: efbb bf64 6566 2066 2873 293a 6e3d 696e  ...def f(s):n=in
00000010: 7428 732e 656e 636f 6465 2827 6865 7827  t(s.encode('hex'
00000020: 292c 3336 293b 7265 7475 726e 206e 2528  ),36);return n%(
00000030: 382a 2a38 2b31 2d32 3130 2a6f 7264 2827  8**8+1-210*ord('
00000040: 6f8e 474c 9f5a b49a 01ad c47f cf84 7b53  o.GL.Z........{S
00000050: 49ea c71b 29cb 929a a53b fc62 3afb e38e  I...)....;.b:...
00000060: e533 7360 982a 50a0 2a82 1f7d 768c 7877  .3s`.*P.*..}v.xw
00000070: d78a cb4f c5ef 9bdb 57b4 7745 3a07 8cb0  ...O....W.wE:...
00000080: 868f a927 5b6e 2536 375d 2929            ...'[n%67]))

Python 2、140印刷可能バイト、4662 4471 4362衝突する単語

def f(s):n=int(s.encode('hex'),16);return n%(8**8+3-60*ord('4BZp%(jTvy"WTf.[Lbjk6,-[LVbSvF[Vtw2e,NsR?:VxC0h5%m}F5,%d7Kt5@SxSYX-=$N>'[n%71]))

明らかに、カスペルドの解の形式に触発されましたが、モジュラス空間でのアフィン変換の重要な追加と、まったく異なるパラメーターがあります。

CJam、4125 3937 3791 3677

0000000: 7b 5f 39 62 31 31 30 25 5f 22 7d 13 25 77  {_9b110%_"}.%w
000000e: 77 5c 22 0c e1 f5 7b 83 45 85 c0 ed 08 10  w\"...{.E.....
000001c: d3 46 0c 5c 22 59 f8 da 7b f8 18 14 8e 4b  .F.\"Y..{....K
000002a: 3a c1 9e 97 f8 f2 5c 18 21 63 13 c8 d3 86  :.....\.!c....
0000038: 45 8e 64 33 61 50 96 c4 48 ea 54 3b b3 ab  E.d3aP..H.T;..
0000046: bc 90 bc 24 21 20 50 30 85 5f 7d 7d 59 2c  ...$! P0._}}Y,
0000054: 4a 67 88 c8 94 29 1a 1a 1a 0f 38 c5 8a 49  Jg...)....8..I
0000062: 9b 54 90 b3 bd 23 c6 ed 26 ad b6 79 89 6f  .T...#..&..y.o
0000070: bd 2f 44 6c f5 3f ae af 62 9b 22 3d 69 40  ./Dl.?..b."=i@
000007e: 62 31 35 32 35 31 39 25 31 31 30 2a 2b 7d  b152519%110*+}

このアプローチは、ドメインとコドメインを110の互いに素なセットに分割し、各ペアに対してわずかに異なるハッシュ関数を定義します。

スコアリング/検証

$ echo $LANG
en_US
$ cat gen.cjam
"qN%{_9b110%_"
[125 19 37 119 119 34 12 225 245 123 131 69 133 192 237 8 16 211 70 12 34 89 248 218 123 248 24 20 142 75 58 193 158 151 248 242 92 24 33 99 19 200 211 134 69 142 100 51 97 80 150 196 72 234 84 59 179 171 188 144 188 36 33 32 80 48 133 95 125 125 89 44 74 103 136 200 148 41 26 26 26 15 56 197 138 73 155 84 144 179 189 35 198 237 38 173 182 121 137 111 189 47 68 108 245 63 174 175 98 155]
:c`"=i@b152519%110*+}%N*N"
$ cjam gen.cjam > test.cjam
$ cjam test.cjam < british-english-huge.txt | sort -n > temp
$ head -1 temp
8
$ tail -1 temp
16776899
$ all=$(wc -l < british-english-huge.txt)
$ unique=$(uniq -u < temp | wc -l)
$ echo $[all - unique]
3677

次のPythonへのポートは、公式のスコアスニペットで使用できます。

h=lambda s,b:len(s)and ord(s[-1])+b*h(s[:-1],b)

def H(s):
 p=h(s,9)%110
 return h(s,ord(
  '}\x13%ww"\x0c\xe1\xf5{\x83E\x85\xc0\xed\x08\x10\xd3F\x0c"Y\xf8\xda{\xf8\x18\x14\x8eK:\xc1\x9e\x97\xf8\xf2\\\x18!c\x13\xc8\xd3\x86E\x8ed3aP\x96\xc4H\xeaT;\xb3\xab\xbc\x90\xbc$! P0\x85_}}Y,Jg\x88\xc8\x94)\x1a\x1a\x1a\x0f8\xc5\x8aI\x9bT\x90\xb3\xbd#\xc6\xed&\xad\xb6y\x89o\xbd/Dl\xf5?\xae\xafb\x9b'
  [p]))%152519*110+p

Python、6446 6372

このソリューションは、以前のすべてのエントリよりも少ない衝突カウントを実現し、コードに許可されている140バイトのうち44バイトのみを必要とします。

H=lambda s:int(s.encode('hex'),16)%16727401

CJam、6273

{49f^245b16777213%}

各文字を49とXORし、結果の文字列をx、y 245 245x + yで縮小し、16,777,213を法とする剰余（最大24ビット素数）を取ります。

得点

$ cat hash.cjam
qN% {49f^245b16777213%} %N*N
$ all=$(wc -l < british-english-huge.txt)
$ unique=$(cjam hash.cjam < british-english-huge.txt | sort | uniq -u | wc -l)
$ echo $[all - unique]
6273

JavaScript（ES6）、6389

ハッシュ関数（105バイト）：

s=>[...s.replace(/[A-Z]/g,a=>(b=a.toLowerCase())+b+b)].reduce((a,b)=>(a<<3)*28-a^b.charCodeAt(),0)<<8>>>8

スコアリング関数（NodeJS）（170バイト）：

h={},c=0,l=require('fs').readFileSync(process.argv[2],'utf8').split('\n').map(a=>h[b=F(a)]=-~h[b])
for(w of Object.getOwnPropertyNames(h)){c+=h[w]>1&&h[w]}
console.log(c)

asを呼び出しますnode hash.js dictionary.txt。ここhash.jsで、スクリプトdictionary.txtは辞書テキストファイル（最終改行なし）でありF、ハッシュ関数として定義されています。

ハッシュ関数から9バイトを削ってくれたNeilに感謝します！

Mathematica、6473

次のステップ...文字コードを合計する代わりに、それらを2 ^24を法とする前に、それらをbase-151の数字として扱います。

hash[word_] := Mod[FromDigits[ToCharacterCode @ word, 151], 2^24]

衝突の数を判断するための短いスクリプトを次に示します。

Total[Last /@ DeleteCases[Tally[hash /@ words], {_, 1}]]

私はすべての基地を体系的に前方から試しましたが1、これまでのところ、基地151は最も少ない衝突をもたらしました。スコアをもう少し下げるためにもう少し試みますが、テストは少し遅いです。

Javascript（ES5）、6765

これは、CRC24で140バイトに削られます。もっとゴルフできますが、私の答えを：

function(s){c=0xb704ce;i=0;while(s[i]){c^=(s.charCodeAt(i++)&255)<<16;for(j=0;j++<8;){c<<=1;if(c&0x1000000)c^=0x1864cfb}}return c&0xffffff}

node.jsのバリデーター：

var col = new Array(16777215);
var n = 0;

var crc24_140 = 
function(s){c=0xb704ce;i=0;while(s[i]){c^=(s.charCodeAt(i++)&255)<<16;for(j=0;j++<8;){c<<=1;if(c&0x1000000)c^=0x1864cfb}}return c&0xffffff}

require('fs').readFileSync('./dict.txt','utf8').split('\n').map(function(s){ 
    var h = crc24_140(s);
    if (col[h]===1) {
        col[h]=2;
        n+=2;
    } else if (col[h]===2) {
        n++;
    } else {
        col[h]=1;
    }
});

console.log(n);

Python、340053

ひどいアルゴリズムからのひどいスコア、この答えは、スコアリングを表示する小さなPythonスクリプトを提供するために存在します。

H=lambda s:sum(map(ord, s))%(2**24)

得点する：

hashes = []
with open("british-english-huge.txt") as f:
    for line in f:
        word = line.rstrip("\n")
        hashes.append(H(word))

from collections import Counter
print(sum(v for k, v in Counter(hashes).items() if v > 1))

Python、6390 6376 6359

H=lambda s:reduce(lambda a,x:a*178+ord(x),s,0)%(2**24-48)

MartinBüttnerの答えに対する些細な修正と考えられるかもしれません。

Python、9310

ええ、最高ではありませんが、少なくとも何かです。暗号で言うように、独自のハッシュ関数を書かないでください。

これもちょうど140バイトの長さです。

F=lambda x,o=ord,m=map:int((int(''.join(m(lambda z:str(o(z)^o(x[-x.find(z)])^o(x[o(z)%len(x)])),x)))^(sum(m(int,m(o,x))))^o(x[-1]))%(2**24))

Matlab、30828 8620 6848

各ASCII文字/位置の組み合わせに素数を割り当て、2 ^ 24より小さい最大素数を法とする各単語の積を計算することにより、ハッシュを構築します。テストでは、whileループの直前に外部のプライムへの呼び出しをテスターに​​移動し、ハッシュ関数に渡しました。これにより、約1000倍高速になりましたが、このバージョンは機能し、自己完結型です。約40文字より長い単語でクラッシュする可能性があります。

function h = H(s)
p = primes(1e6);
h = 1;
for i=1:length(s)
    h = mod(h*p(double(s(i))*i),16777213);
end
end

テスター：

clc
clear variables
close all

file = fopen('british-english-huge.txt');
hashes = containers.Map('KeyType','uint64','ValueType','uint64');

words = 0;
p = primes(1e6);
while ~feof(file)
    words = words + 1;
    word = fgetl(file);
    hash = H(word,p);
    if hashes.isKey(hash)
        hashes(hash) = hashes(hash) + 1;
    else
        hashes(hash) = 1;
    end
end

collisions = 0;
for key=keys(hashes)

    if hashes(key{1})>1
        collisions = collisions + hashes(key{1});
    end
end

ルビー、9309回の衝突、107バイト

def hash(s);require'prime';p=Prime.first(70);(0...s.size).reduce(0){|a,i|a+=p[i]**(s[i].ord)}%(2**24-1);end 

優れた候補ではありませんが、他のエントリとは異なるアイデアを模索したかったのです。

最初のn個の素数を文字列の最初のn個の位置に割り当ててから、すべてのprime [i] **（string [i]のASCIIコード）を合計し、次にmod 2 ** 24-1を合計します。

Javaの8、7054 6467

これは組み込みのjava.lang.String.hashCode関数からインスピレーションを受けています（コピーされていません）。

w -> { return w.chars().reduce(53, (acc, c) -> Math.abs(acc * 79 + c)) % 16777216; };

得点する：

import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.function.Function;

public class TweetableHash {
    public static void main(String[] args) throws Exception {
        List<String> words = Files.readAllLines(Paths.get("british-english-huge.txt"));

        Function<String, Integer> hashFunc = w -> { return w.chars().reduce(53, (acc, c) -> Math.abs(acc * 79 + c)) % 16777216; };

        Map<Integer, Integer> hashes = new HashMap<>();
        for (String word : words) {
            int hash = hashFunc.apply(word);
            if (hash < 0 || hash >= 16777216) {
                throw new Exception("hash too long for word: " + word + " hash: " + hash);
            }

            Integer numOccurences = hashes.get(hash);
            if (numOccurences == null) {
                numOccurences = 0;
            }
            numOccurences++;

            hashes.put(hash, numOccurences);
        }

        int numCollisions = hashes.values().stream().filter(i -> i > 1).reduce(Integer::sum).get();
        System.out.println("num collisions: " + numCollisions);
    }
}

Python、6995 6862 6732

単純なRSA関数です。かなり不自由ですが、いくつかの答えを打ち負かしています。

M=0x5437b3a3b1
P=0x65204c34d
def H(s):
    n=0
    for i in range(len(s)):
        n+=pow(ord(s[i]),P,M)<<i
    return n%(8**8)

C ++：7112 6694 6483 6479 6412 6339衝突、90バイト

係数配列にナイーブな遺伝的アルゴリズムを実装しました。より良いコードが見つかったため、このコードを更新します。:)

int h(const char*s){uint32_t t=0,p=0;while(*s)t="cJ~Z]q"[p++%6]*t+*s++;return t%16777213;}

テスト機能：

int main(void)
{
    std::map<int, int> shared;

    std::string s;
    while (std::cin >> s) {
        shared[h(s.c_str())]++;
    }

    int count = 0;
    for (auto c : shared) {
        if ((c.first & 0xFFFFFF) != c.first) { std::cerr << "invalid hash: " << c.first << std::endl; }
        if (c.second > 1) { count += c.second; }
    }

    std::cout << count << std::endl;
    return 0;
}

C＃、6251 6335

int H(String s){int h = 733;foreach (char c in s){h = (h * 533 + c);}return h & 0xFFFFFF;}

定数533と733 889と155は、これまでに検索したすべての中で最高のスコアを与えます。

tcl

88バイト、6448/3233コリジョン

衝突する単語の数、または空でないバケツに入れられた単語の数のいずれかを人々が数えているのがわかります。私は両方のカウントを与えます-最初は問題の仕様によるもので、2番目はより多くのポスターが報告しているものです。

# 88 bytes, 6448 collisions, 3233 words in nonempty buckets

puts "[string length {proc H w {incr h;lmap c [split $w {}] {set h [expr (2551*$h+[scan $c %c])%2**24]};set h}}] bytes"

proc H w {incr h;lmap c [split $w {}] {set h [expr (2551*$h+[scan $c %c])%2**24]};set h}

# change 2551 above to:
#   7: 85 bytes, 25839 colliding words, 13876 words in nonempty buckets
#   97: 86 bytes, 6541 colliding words, 3283 words in nonempty buckets
#   829: 87 bytes, 6471 colliding words, 3251 words in nonempty buckets


# validation program

set f [open ~/Downloads/british-english-huge.txt r]
set words [split [read $f] \n]
close $f

set have {};                        # dictionary whose keys are hash codes seen
foreach w $words {
    if {$w eq {}} continue
    set h [H $w]
    dict incr have $h
}
set coll 0
dict for {- count} $have {
    if {$count > 1} {
        incr coll $count
    }
}
puts "found $coll collisions"

Python 3、89バイト、6534ハッシュ衝突

def H(x):
 v=846811
 for y in x:
  v=(972023*v+330032^ord(y))%2**24
 return v%2**24

ここに表示されるすべての大きなマジックナンバーは、ファッジ定数です。

JavaScript、121バイト、3268 3250 3244 6354（3185）の衝突

s=>{v=i=0;[...s].map(z=>{v=((((v*13)+(s.length-i)*7809064+i*380886)/2)^(z.charCodeAt(0)*266324))&16777215;i++});return v}

パラメーター（13、7809064、380886、2、266324）は試行錯誤によるものです。

まだ最適化できると思いますが、パラメーターを追加して、最適化を進める余地がまだあります...

検証

hashlist = [];
conflictlist = [];
for (x = 0; x < britain.length; x++) {
    hash = h(britain[x]);                      //britain is the 340725-entry array
    hashlist.push(hash);
}

conflict = 0; now_result = -1;
(sortedlist = sort(hashlist)).map(v => {
    if (v == now_result) {
        conflict++;
        conflictlist.push(v);
    }
    else
        now_result = v;
});

console.log(conflictlist);

var k = 0;
while (k < conflictlist.length) {
    if (k < conflictlist.length - 1 && conflictlist[k] == conflictlist[k+1])
        conflictlist.splice(k,1);
    else
        k++;
}

console.log(conflict + " " + (conflict+conflictlist.length));

3268> 3250-3番目のパラメーターを380713から380560に変更しました。

3250> 3244-3番目のパラメーターを380560から380886に変更しました。

3244> 6354-2番目のパラメーターを7809143から7809064に変更し、間違った計算方法を使用したことがわかりました; P

以下に、非常に「シード可能」であり、インクリメンタルパラメータの最適化を可能にする類似の構造をいくつか示します。くそ、6kより低くなるのは難しい！スコアの平均が6829、標準が118であると仮定すると、このような低いスコアがランダムに得られる可能性も計算されました。

Clojure A、6019、Pr = 1：299.5e9

 #(reduce(fn[r i](mod(+(* r 811)i)16777213))(map *(cycle(map int"~:XrBaXYOt3'tH-x^W?-5r:c+l*#*-dtR7WYxr(CZ,R6J7=~vk"))(map int %)))

Clojure B、6021、Pr = 1：266.0e9

#(reduce(fn[r i](mod(+(* r 263)i)16777213))(map *(cycle(map int"i@%(J|IXt3&R5K'XOoa+Qk})w<!w[|3MJyZ!=HGzowQlN"))(map int %)(rest(range))))

Clojure C、6148、Pr = 1：254.0e6

#(reduce(fn[r i](mod(+(* r 23)i)16777213))(map *(cycle(map int"ZtabAR%H|-KrykQn{]u9f:F}v#OI^so3$x54z2&gwX<S~"))(for[c %](bit-xor(int c)3))))

Clojure、6431、Pr = 1：2.69e3（異なる）

#(mod(reduce bit-xor(map(fn[i[a b c]](bit-shift-left(* a b)(mod(+ i b c)19)))(range)(partition 3 1(map int(str"w"%"m")))))16776869)

これは私のオリジナルのアドホックハッシュ関数で、4つの調整可能なパラメーターがあります。

Ruby、6473回の衝突、129バイト

h=->(w){@p=@p||(2..999).select{|i|(2..i**0.5).select{|j|i%j==0}==[]};c=w.chars.reduce(1){|a,s|(a*@p[s.ord%92]+179)%((1<<24)-3)}}

@p変数には、999未満のすべての素数が入力されます。

これは、ASCII値を素数に変換し、その積を大きな素数でモジュロします。ファッジファクター179は、元のアルゴリズムがアナグラムを見つけるために使用されていたという事実を扱っています。アナグラムでは、同じ文字の再配置であるすべての単語が同じハッシュを取得します。ループに係数を追加することにより、アナグラムに個別のコードを持たせます。

** 0.5（primeのsqrtテスト）を削除すると、パフォーマンスが低下しますが、コードが短くなります。ループ内で素数ファインダーを実行させて、さらに9文字を削除し、115バイトを残すこともできます。

テストするために、以下は1から300の範囲でファッジファクターの最適な値を見つけようとします。/tmpディレクトリにあるwordファイルを想定しています。

h=->(w,y){
  @p=@p||(2..999).
    select{|i|(2..i**0.5). 
    select{|j|i%j==0}==[]};
  c=w.chars.reduce(1){|a,s|(a*@p[s.ord%92]+y)%((1<<24)-3)}
}

american_dictionary = "/usr/share/dict/words"
british_dictionary = "/tmp/british-english-huge.txt"
words = (IO.readlines british_dictionary).map{|word| word.chomp}.uniq
wordcount = words.size

fewest_collisions = 9999
(1..300).each do |y|
  whash = Hash.new(0)
  words.each do |w|
    code=h.call(w,y)
    whash[code] += 1
  end
  hashcount = whash.size
  collisions = whash.values.select{|count| count > 1}.inject(:+)
  if (collisions < fewest_collisions)
    puts "y = #{y}. #{collisions} Collisions. #{wordcount} Unique words. #{hashcount} Unique hash values"
    fewest_collisions = collisions
  end
end

tcl

＃91バイト、6508回の衝突

91バイト、6502の衝突

proc H s {lmap c [split $s ""] {incr h [expr [scan $c %c]*875**[incr i]]};expr $h&0xFFFFFF}

コンピューターは、147 875ベース（まだ記録担当者）よりも少ない衝突を引き起こす値があるかどうかを評価するために、まだ検索を実行しています。