引子
先来一个例子
例1：编一个程序，将学生的百分制成绩转换成五分制成绩 要求如下
<60:E 60-69:D 70-79:C 80-89:B 90-100:A
很显然 可以使用switch语句或者if语句实现，这里使用if语句进行讲解
代码：
if(score<60)
grade='E';
else if (score<70)
grade='D';
else if(score<80)
grade='C';
else if(score<90)
grade='B'
else
grade='A';将此串代码转换为二叉树：
这种用于描述分类过程的二叉树叫做判断树
判断的过程用判断树可以很清晰的描述出来
若学生的成绩数据共10000个；分布如下图
如图
E类型的占5%，且每次都需要比较1次(是否为<60)
所以一共需要比较10000*5%*1=500次
D类型的占15%，且每次需要比较2次(先判断是否为60，再判断是否为70)
所以一共需要比较10000*15%*2=3000次
照葫芦画瓢
C的次数为：10000*40%*3=12000次
B的次数为：10000*30%*4=12000次
A的次数为：10000*10%*4=4000次
所以10000个数据比较的次数表达式为：
10000*(5%*1+15%*2+40%*3+30%*4+10%*4)=31500次
如果每次的输入量很大 就应考虑程序的操作时间
怎么样才能让程序的比较次数更少呢？
我们假设将判断的二叉树变成下图
这时我们发现：E(<60)和D(<70)这两种情况只需要比较三次
C(<80)和B(<90)和A(>90)的三种情况只需要比较两次
因此10000个数据比较的总次数为:10000(3*20%+2*80%)=22000次
显然 这两种判断树的效率是不一样的
我们发现，同样一个程序，只需要把操作的顺序改变一下，就能把比较次数大幅减少，提升程序效率
问题来了 那我们能不能找到一种效率最高的判断树呢？
这就引入了我们的哈夫曼树 也称最优二叉树
哈夫曼树的基本概念
路径：从树中一个结点到另一个结点之间的分支构成这两个结点间的路径
结点的路径长度：两结点间路径上的分支数。
例：这是一个九个结点的树
(a)
A>D的路径长度为？ A>D之间有A>C C>D这两个分支 所以A>D的路径长度为2
C>I的路径长度为？ C>I之间有C>E E>G G>I 三个分支 所以C>I的路径长度为3
(a)从A到B,C,D,E,F,G,H,I的路径长度分别为 1,1,2,2,3,3,4,4。
同样是9个结点的树
（b）
(b)从A到B,C,D,E,F,G,H,I的路径长度分别为 1,1,2,2,2,2,3,3。
树的路径长度:从树根到每一个结点的路径长度之和。记作:TL
还是用刚刚那两张图
TL(a) = 0+1+1+2+2+3+3+4+4=20 (根结点到自身为0)
TL(b) = 0+1+1+2+2+2+2+3+3=16 (根结点到自身为0)
包含结点个数相同的两棵二叉树可能树的路径长度不一样
结点数目相同的二叉树中，完全二叉树是路径长度最短的二叉树
但路径长度最短的 不一定是完全二叉树
权(weight):将树中结点赋给一个有这某种含义的数值,则这个数值称为该结点的权
如成绩<60的占5% 则5%就是这个结点的权
结点的带权路径长度:从根结点到该结点之间的路径长度与该结点的权的乘积
打个比方，如图
H的权重是2，则H结点的带权路径长度为A>H的路径长度 * H的权, 而路径长度为3，所以H的带权路径长度为2*3=6。
树的带权路径长度:树中所有叶子结点的带权路径长度之和。
记作 :
为权值
为结点到根的路径长度
Weighted Path Length 带权路径长度
例:有4个结点a,b,c,d,权值分别为7,5,2,4 构造以此4个结点为叶子结点的二叉树
(a)
叶子结点a结点的权值为7，根到结点的路径长度为2。
叶子结点a结点的权值为5，根到结点的路径长度为2
叶子结点a结点的权值为2，根到结点的路径长度为2
叶子结点a结点的权值为4，根到结点的路径长度为2
树的带权路径长度=所有叶子结点的带权路径长度之和
所以这棵二叉树的带权路径长度为:(a)WPL=7*2+5*2+2*2+4*2=36
-同样以这四个结点为叶子结点的二叉树
(b)
所以这棵二叉树的带权路径长度为:(b)WPL=7*3+5*3+4*2+2*1= 46
所以这就引出了我们的哈夫曼树：最优树
哈夫曼树：最优树 带权路径长度(WPL)最短的树
注:"带权路径长度最短"是在"度相同"的树中比较而得的结果，因此有最优二叉树、最优三叉树之称等等
哈夫曼树：最优二叉树 带权路径长度(WPL)最短的二叉树
因为构造这种数的算法是由哈夫曼教授于1952年提出的，所以被称为哈夫曼树，相应的算法被称为哈夫曼算法
已经算出这两种二叉树的带权路径长度为(a)WPL=36与(b)WPL=46了
(a) (b)
我们现在又引入二叉树c和d，同样的四个叶子结点的二叉树计算他的WPL
(c) (d)
(c)WPL=7*1+5*2+4*3+2*3=35
(d)WPL=7*1+5*2+4*3+2*3=35
我们发现 二叉树c与二叉树d的带权路径长度都为35，比a和b二叉树的带权路径长度少
二叉树c和d就称为最优二叉树 也就是哈夫曼树
总结:
由二叉树a我们可以发现：
满二叉树不一定哈夫曼树
将二叉树c和d与二叉树a与b作对比我们可以发现
哈夫曼树里权值越小的叶子离根结点越远 权值越大的叶子离根结点越近
由二叉树c和二叉树d两棵哈夫曼树我们可以发现
具有相同带权结点的哈夫曼树并不惟一
哈夫曼树的构造算法
已知哈夫曼树中权越大的叶子结点离根越近 我们可以利用这一特点可以用来构造哈夫曼树
贪心算法：构造哈夫曼树时首选选择权值最小的叶子结点(哈夫曼算法属贪心算法中的一种)
哈夫曼算法(构造哈夫曼树的方法)
(1)根据n个给定的权值{w1,w2,...,wn}构成的n棵二叉树的森林
F={T1，T2,...,Tn},其中Ti只有一个带权为Wi的根结点。->构造森林全是根
(2)在F中选取两棵根结点的权值最小的树作为左右子树，构造一课新的二叉树，且设置新的
二叉树的根节点的权值为其左右子树上根结点的权值之和。->选用两小造新树
(3)在F中删除这两棵树，同时将新得到的二叉树加入森林中。->删除两小添新人
(4)重复(2)和(3)，直到森林中只有一棵树为止，这棵树即为哈夫曼树。->重复(2)(3)剩单根
例:有4个结点a,b,c,d,权值分别为7,5,2,4，构造哈夫曼树
第一步：构造森林全是根 第二步：选用两小造新树
将四个结点构造成森林 作为4个根 将四个根中最小的2,4取出来，并为他们添 上双亲结点，双亲结点的权值为两子树之和
第三步：删除两小添新人 第四步：重复(2)(3)剩单根
将之前取走的2与4根结点删除 将第二步与第三步进行重复使用
并为其添加使用2与4结点造的新树 最后只留下一个根结点的树，就是哈夫曼树
我们可以发现 哈夫曼树结点的度数为0或者2，没有度为1的结点
所以包含n个叶子结点的哈夫曼树中一共有2n-1个结点
为什么是2n-1个结点呢？
包含n棵树的森林要经过n-1(根结点两两合并)次合并才能形成哈夫曼树，
共产生n-1(每一次合并都会产生一个双亲结点)个新结点
度为0的结点为n个 度为2的结点为n-1个 所以n+n+1=2n+1 故此得证
例:有5个结点a,b,c,d,e权值分别为7,5,5,2,4，构造哈夫曼树
第一步：构造森林全是根 第二步：选用两小造新树
将五个结点构造成森林 作为5个根 将五个根中最小的2,4取出来，并为他们添 上双亲结点，双亲结点的权值为两子树之和
第三步：删除两小添新人 第四步：重复(2)(3)剩单根
将之前取走的2与4根结点删除 将5与5组成新树 并非5与6(易踩坑)重复(2)(3)
并为其添加使用2与4结点造的新树 最后只留下一个根结点的树，就是哈夫曼树
结果为
易错：容易惯性思维，在2与4组成新树后，将5跟2与4的新树组合
更正：应该将5与5组成新树 第二步选用两小造新树 哪怕是权值相同的也是可以的
谨记谨记容易踩坑
总结：
1.在哈夫曼算法中，初始时有n棵二叉树，要经过n-1次合并最终形成二叉树
2.经过n-1次合并产生n-1个新结点，且这n-1个新结点都是具有两个孩子的分支结点。
可见：哈夫曼树中共有n+n-1=2n-1个结点，且其所有的分支结点的度均不为1。
哈夫曼树构造算法的实现
所有的算法应该考虑如何存储 再来考虑实现
在这我们可以使用顺序存储结构或者链式存储结构
我们采用顺序存储结构 比链式存储结构来得简单
√ 采用顺序存储结构 —— 一维结构数组
顺序存储结构：也就是用一个数组来存放数据
√结点类型定义
weight:权值 parent:双亲 lch:左孩子 rch:右孩子
(1)如图：数组大小为2n-1 我们不使用0下标 因此数组大小为2n。
数组为什么大小为2n-1？
原因：我们在构造哈夫曼树的时候已经学过 n个结点 我们需要进行n-1次合并 每一次合并都产生一个新结点 所以一共产生n+n-1=2n-1个结点 所以数组大小为2n-1
(2)其次用这些数据类型来定义一个哈夫曼树的指针类型 Huffman Tree
(3)再用这个指针类型定义一个H
那么这个H就可以表示一个指针，也可以表示一个数组
例如，第一个结点权值为5 ，即可表示为H[1].weight = 5; i个结点就为H[i]
如图
这就是用我们的一维的结构数组来存储
那我们怎么将这些数据的双亲是谁 孩子是谁给构造出来呢 来看下面这个例子
例，有n=8，权值为W={7,19,2,6,21,3,21,10}用来构造哈夫曼树
n=8个 构造数组的大小就为有8个结点＋产生的7个结点 = 15
所以就可以定义一个[16]的数组(0-15) 就可以存1-15个数据 (0不使用)
如图
图1 图2
第一步：将这八个权值填入下标1-8中 ，进行初始化(图1)
第二步：
构造森林全是根
如图，准备构造哈夫曼树 由题意已知n=8 如果设9为i的话 那么i=n+1 又因为n个结
点会进行n-1次合并，所以i<=n+n-1 -> i<=2n-1
所以由i为n+1开始，为n-1结束 可以得到一个for循环:for(i=n+1;i<=2n-1;i++)
(图2)
第三步：
选用两小造新树：
用表中最小的3号结点(权值:2)与6号结点(权值3)组成一个新树，权值为5
新生成的结点的下标为9，是3和6号结点的双亲
第四步：
删除两小添新人
将3与6号结点的双亲结点栏改为双亲所在的下标9
将9号结点的左孩子和右孩子栏分别改为3与6 权值栏改成5
重复选用两小造新树 ，删除两小添新人 两步剩单根
如上，如此反复只剩一个根没有双亲节点时，哈夫曼树就构造完成了
哈夫曼树的构造算法 程序代码
例：设n=8,w={5,29,7,8,14,23,3,11}
试设计 Huffman code(哈夫曼树)
解：已知n=8,那么m=2*8-1=15
所以我们要定义一个大小为16的数组（0-15）但为了方便我们将0不使用，所以为(1-15)
如图：
进行初始化
将前8个结点的权值输入进去 双亲和左右孩子全部置为0
哈夫曼树(HT)的初态：
经过哈夫曼树的构造步骤后形成
哈夫曼树终态：
有了这么一个数组，我们就知道哈夫曼树的形态了
哈弗曼编码
图A
这种固定每个字符对应的二进制长度的称为定长的编码方式
缺点：比较浪费空间，每一个字符都需要两位数字对应，要是不止ABCD四个字符，且每一个字符都需要更多的二进制位与之对应，就会浪费大量空间
所以我们需要将它进行压缩存储
若将编码设计为长度不等的二进制编码，即让待转字符串中出现次数较多的字符采用尽可能短的编码，则转换的二进制字符串便可能减少。
如图：
图B
刚刚图A需要14个二进制位的字符 现在图B只需要9位。
但是我们发现里面会有重码
如图
图C
000011010前面的4个0，会被理解成多重意思，如AAAA，ABA，BB，
原因就是A(0)为B(00)的前缀
这就是长度不等的编码的问题
要想设计这种长度不等的编码，则必须使任一字符的编码都不是另一个字符的编码的前缀
——这种编码被称作前缀编码
问题：什么样的前缀码能使得电文总长度最短呢？
—— 哈弗曼编码
方法：1、统计字符集中每个字符在电文中出现的平均频率(频率越大，要求编码越短)。
2、利用哈夫曼树的特点：权越大的叶子离根越近；将每个字符的频率只作为权值，构建哈夫曼树。则频率越大的结点，路径越短。
3、在哈夫曼树的每个分支上标上0或1：
结点的左分支标 0 ，右分支标 1
把从根到每个叶子的路径上的标号连接起来，作为该叶子代表的字符的编码
例：要传输的字符集D={A,B,C,D,;}，
字符出现频率 w={2,4,2,3,3}
如图
然后将左右分支标好0和1
从根节点出发到每个字符所路过的分支上的0或1 就构成了该字符的编码
如图：
例：电文是{CAS;CAT;SAT;AT}，那么编码是什么呢？
按照这些字符的编码，可以得电文编码为11010111011101000011111000011000
反之如果编码是1101000
也可以得到电文为{CAT}
哈夫曼编码能保证是前缀编码和保证字符编码总长最短
1.为什么哈弗曼编码能保证是前缀编码
2.为什么哈弗曼编码能够保证字符编码总长最短
因为哈夫曼树是带权路径最短的树，故字符编码的总长最短，权就是他的频率，
字符编码的总长=每个字符编码的位数 （从根结点到字符的路径长度）* 字符出现的次数（频率）
我们又知道：
结点的带权路径长度:从根结点到该结点之间的路径长度与该结点的权的乘积
有没有发现很相似？
算出来的带权路径最短也就等同于字符编码的总长最短了
所以哈夫曼树完美满足这个条件
因此引出两条性质
· 性质1：哈弗曼编码是前缀码
· 性质2：哈弗曼编码是最优前缀码
最优前缀码：用这种方式进行字符转换我们得到的编码总长是最短的。
例：设组成电文的字符集D及其概率分布W为
D={A,B,C,D,E,F,G}
W={0.40 0.30 0.15 0.05 0.04 0.03 0.03} 设计哈弗曼编码
哈夫曼树不唯一，所以答案不唯一
答案实例：
如图是一个哈夫曼树，以及标好了0和1（左分支画0，右分支画1）
每个字符的编码如图 
关于哈夫曼树子树是否用权值区分左右子树
因为哈夫曼树不惟一，自然就不分左右子树，
然而左右子树的区分关系着哈夫曼编码，自然哈夫曼编码也不唯一
我比较习惯写哈夫曼树时权值大的做右子树，权值小的做左子树
当然，只要你严格按照了构造哈夫曼树的方法，左右子树谁大谁小随便你。
哈夫曼编码的算法实现
核心：不断往上找双亲
左0右1标记好
将构造出来的哈夫曼树用结构数组存储起来
那么如何用结构数组找出他们的哈夫曼编码呢？
设找出7号节点的哈夫曼编码
1.取7号节点的parent的值 我们发现是8
那么7号节点是8号节点的左子树还是右子树呢？
可以从8号节点那看出，7号是8号的左子树，因为左0右1的关系，我们标记为0。
2.再由8号节点找双亲节点的值 我们发现是10。
又由10的左右子树得出8号节点是他的左子树，所以我们又得到一个0。
3.照葫芦画瓢，我们继续往上找双亲，10的双亲是11，10是11的左子树，我们得到如图
我们又得到一个0。
4.再找11的双亲是12，11是12的左子树
左0右1原则
我们又得到一个0。
5.最后找到12的双亲是13，12是13的右子树
我们得到一个1。
我们发现13号是根节点，根节点没有双亲节点，标记为0，那这次找哈夫曼编码的行动就能结束了
哈夫曼编码是从上到下 从根出发，到叶子节点这样算的，所以应该是10000，
误区：从下往上算，从叶子节点往根节点算，得到00001。
每个字符都是由若干个0或1组成的哈夫曼编码
N个字符就需要由N个由0或1组成的字符串
HC[i]就是由0或1组成的字符串 具体值需要我们计算
哈夫曼编码是从根到叶子节点的过程中得到，
又因叶子节点不断回溯至根的过程我们会得到若干个0或1
所以将结果翻过来，我们就能得到哈夫曼编码了
我们得到的0或者1需要找一个地方保存起来
这里我们用一个字符数组cd(码的意思)来保存起来
这个数组具体要设计多大的空间呢
我们如果有N个节点，那么最高也只有N-1分支，所以编码也最多只有N-1位，数组长度为N-1就够
我们一共有A-G 7个字符 所以数组长度只需要6个就行了
这里我们将他作为字符串看待，多一个位置用来存放字符串结束标志\0
我们需要倒着放（原因是从节点往根走，如果不倒着放得到的结果并不是哈夫曼编码），所以我们数组的下标从N-1开始
如图
又用结构数组找双亲的方法
得到各个节点的哈夫曼编码
哈夫曼编码的算法实现 程序代码
哈夫曼编码的编码及译码
文件的编码和译码
一、编码
1.输入各字符及其权值
2.构造哈夫曼树——HT[i]
3.进行哈夫曼编码———HC[i]
4.查HC[i]，得到各字符的哈夫曼编码
二、解码
1.构造哈夫曼树
2.依次读入二进制码
3.读入0，则走向左孩子，读入1，则走向右孩子
4.一旦到达某叶子节点时，即可译出字符
假设有如下编码 求出原码报文OC
解题思路：
1.先将这五个字母对应的频度作为权值
2.求出哈夫曼树，注意 哈夫曼树不唯一
比如b站王卓老师这个哈夫曼树如图（根节点应为29）
我的图为
我的数据结构老师的图为
因为哈夫曼树的不同，所以从根节点出发的译文结果也是不同的！！
b站王卓老师的结果：
我的结果：
xuyvx......
老师的结果为：
yvw......
由此可见 因为哈夫曼树不唯一 所导致的哈夫曼编码不唯一 同时也导致译文的结果也是不唯一的
哈夫曼树完结撒花！！
扫一扫
683
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
