算法分析：哈夫曼树

        哈夫曼树的定义：给定N个权值作为N个叶子结点，构造一棵二叉树，若该树的带权路径长度达到最小，称这样的二叉树为最优二叉树，也称为哈夫曼树(Huffman Tree)，哈夫曼树是带权路径长度最短的树。权值较大的结点离根较近。 

        哈夫曼树非常重要的一点：WPL(树的所有叶结点的带权路径长度之和)。至于为什么按照哈夫曼树方法构造得到的权重最小,这里不进行证明,但是你从局部来看(三个节点)也要权值大的在上一层WPL才更低。

import sys
if __name__=='__main__':
    MAX = sys.maxsize
    primgraph = [[MAX,  10, MAX, MAX, MAX,  11, MAX, MAX, MAX],
                 [10,  MAX,  18, MAX, MAX, MAX,  16, MAX,  12],
                 [MAX,  18, MAX,  22, MAX, MAX, MAX, MAX,   8],
                 [MAX, MAX,  22, MAX,  20, MAX, MAX,  16,  21],
                 [MAX, MAX, MAX,  20, MAX,  26,   7,  19, MAX],
                 [11,  MAX, MAX, MAX,  26, MAX,  17, MAX, MAX],
                 [MAX,  16, MAX, MAX,   7,  17, MAX,  19, MAX],
                 [MAX, MAX, MAX,  16,  19, MAX,  19, MAX, MAX],
                 [MAX,  12,   8,  21, MAX, MAX, MAX, MAX, MAX]]
    chararray = ['A','B','C','D','E','F','G','H','I']
    charlist = []
    charlist.append(chararray[0])
    mid = []    #mid[i]表示生成树集合中与点i最近的点的编号
    lowcost = []    #lowcost[i]表示生成树集合中与点i最近的点构成的边最小权值 ，-1表示i已经在生成树集合中
    lowcost.append(-1)
    mid.append(0)
    n = len(chararray)
    for i in range(1,n): #初始化mid数组和lowcost数组
        lowcost.append(primgraph[0][i])
        mid.append(0)
    sum = 0
    for _ in range(1,n): #插入n-1个结点
        minid = 0
        min = MAX
        for j in range(1,n):  #寻找每次插入生成树的权值最小的结点
            if(lowcost[j]!=-1 and lowcost[j]<min):
                minid = j
                min = lowcost[j]
        charlist.append(chararray[minid])
        print(chararray[mid[minid]]+'——'+chararray[minid]+'权值：'+str(lowcost[minid]))
        sum+=min
        lowcost[minid] = -1
        for j in range(1,n):  #更新插入结点后lowcost数组和mid数组值
            if(lowcost[j]!=-1 and lowcost[j]>primgraph[minid][j]):
                lowcost[j] = primgraph[minid][j]
                mid[j] = minid
    print("sum="+str(sum))
    print("插入结点顺序："+str(charlist))