最优二叉树(哈夫曼树)

出处：最优二叉树

最优二叉树(哈夫曼树)

哈夫曼树相关的几个名词

路径：在一棵树中，一个结点到另一个结点之间的通路，称为路径。图 1 中，从根结点到结点 a 之间的通路就是一条路径。

路径长度：在一条路径中，每经过一个结点，路径长度都要加 1 。例如在一棵树中，规定根结点所在层数为1层，那么从根结点到第 i 层结点的路径长度为 i - 1 。图 1 中从根结点到结点 c 的路径长度为 3。

结点的权：给每一个结点赋予一个新的数值，被称为这个结点的权。例如，图 1 中结点 a 的权为 7，结点 b 的权为 5。

结点的带权路径长度：指的是从根结点到该结点之间的路径长度与该结点的权的乘积。例如，图 1 中结点 b 的带权路径长度为 2 * 5 = 10 。

树的带权路径长度为树中所有叶子结点的带权路径长度之和。通常记作 “WPL” 。例如图 1 中所示的这颗树的带权路径长度为：
WPL = 7 * 1 + 5 * 2 + 2 * 3 + 4 * 3

哈夫曼树的介绍

最优二叉树又称哈夫曼树，是带权路径最短的二叉树。根据节点的个数，权值的不同，最优二叉树的形状也不同。
图 6-34 是 3 棵最优二叉树的例子，它们共同的特点是带权节点都是叶子节点，权值越小，就离根节点也远，那么我们是如何构建这颗最优二叉树
步骤如下：

那如何创建这一个哈夫曼树呢？

假设有n个权值，则构造出的哈夫曼树有n个叶子结点。 n个权值分别设为 w1、w2、…、wn，则哈夫曼树的构造规则为：
(1) 将w1、w2、…，wn看成是有n 棵树的森林(每棵树仅有一个结点)；
(2) 在森林中选出两个根结点的权值最小的树合并，作为一棵新树的左、右子树，且新树的根结点权值为其左、右子树根结点权值之和；
(3)从森林中删除选取的两棵树，并将新树加入森林；
(4)重复(2)、(3)步，直到森林中只剩一棵树为止，该树即为所求得的哈夫曼树。
如：对 下图中的六个带权叶子结点来构造一棵哈夫曼树，步骤如下：

当建立好哈夫曼树，我们要将其进行编码，要将权值表示改为0,1表示，叶子节点的左边改为0，右边改为1

这样子比较方便在网络上传输，因为哈夫曼树的研究目的就是为了解决早期远距离通信(电报)的数据传输的优化问题。

接下来我们来分析一下，这样做对数据的优化体现在哪里？
例如，如下图。

假如们要传输一端报文：BADCADFEED,那么我们可以用相应的二进制表示
字母 a b c d e f
二进制字符 000 001 010 011 100 101

这样真正的传输的数据编码二进制后就是：001000011010000011101100100011（共30个字符），可见如果传输数据过大，这个报文的编码也就越大了。
但是如果我们按照上面的哈夫曼树进行编码的话
字母 a b c d e f
二进制字符01 1001 101 00 11 1000

新编码后的数据是：1001010010101001000111100(共25个字符)
大约节约了17%的存储或传输文本，随着字符的增加和多字符权重的不同，这种压缩会更加突显出来优势。

0和1是比较容易混淆的，为了设计出来长度不相等的编码，我们就必须有一种规定，就是任一字符的编码都不是另一个字符的编码的前缀，这种编码被称为前缀编码。

我们可以发现通过哈夫曼编码形成的每个节点的编码例如：1000,1000混淆的10,100的类似的编码了。

当接收者收到了这个已经经过编码的二进制数后，我们要如何进行解码，才能看到发送者真正想发给接收者的消息呢？
解码的时候，必须用到双方约定好的哈夫曼树：

从根节点开始遍历，就可以知道A是01，E是11,B是 1001 ，其余的节点信息也可以相应的得到，从而成功解码。

哈夫曼树的节点存储结构

//哈夫曼树结构
typedef struct
{
    unsigned int weight;          //权重
    unsigned int parent, lchild, rchild;  //树的双亲节点，和左右孩子
}HTNode, *HuffmanTree;

typedef char**  HuffmanCode;

基本思路就是：
1、首先我们要建立一个哈夫曼树。
2、这个哈夫曼树有的特点在上面有介绍。
3、对哈夫曼树进行0,1编码
4，最后打印出已经编码完成的哈夫曼树。

1、建树，根据节点的权重建立，每次从的序列中比较出两个最小的权重，建立出一颗树，然后再从剩余的节点中继续抽取节点权重最小的节点，继续建树，这边我采用的是迭代方式；

2、解码输出，采用的是叶子节点逆序遍历到根节点，将0,1存储到字符数组里面，然后再将数组输出。

里面是具体实现的代码，里面也有注释

//函数声明
int Min(HuffmanTree T, int i); //求i个节点中的最小权重的序列号，并返回
void Select(HuffmanTree T, int i, int& s1, int& s2); //从两个最小权重中选取最小的(左边)给s1，右边的给s2
void HuffmanCoding(HuffmanTree &HT, HuffmanCode&HC, int* w, int n);//哈夫曼编码与解码

函数的具体实现算法(Min和Select)：

//返回i个节点中权值最小的树的根节点的序号，供select()调用
int Min(HuffmanTree T, int i)
{
    int j, flag;
    unsigned int k = UINT_MAX;  //%d-->UINT_MAX = -1,%u--->非常大的数
    for (j = 1; j <= i; j++)
        if (T[j].weight < k && T[j].parent == 0)
            k = T[j].weight, flag = j;                  //
    T[flag].parent = 1;    //将parent标志为1避免二次查找

    return flag;   //返回节点的下标
}

void Select(HuffmanTree T, int i,int& s1,int& s2)
{
    //在i个节点中选取2个权值最小的树的根节点序号，s1为序号较小的那个
    int j;
    s1 = Min(T,i);
    s2 = Min(T,i);
    if (s1 > s2)
    {
        j = s1;
        s1 = s2;
        s2 = j;
    }
}

解码算法1(从根节点遍历赫夫曼树逆序输出)：

//HuffmanCode代表的树解码二进制值
void HuffmanCoding(HuffmanTree &HT, HuffmanCode&HC, int* w, int n)
{
    //w存放n个字符的权值(均>0),构造哈夫曼树HT,并求出n个字符的哈夫曼编码HC
    int m, i, s1, s2, start;
    unsigned c, f;
    char* cd;
    //分配存储空间
    HuffmanTree p;
    if (n <= 1)
        return;
    //n个字符(叶子节点)有2n-1个树节点，所以树节点m
    m = 2 * n - 1;
    HT = (HuffmanTree)malloc((m + 1)*sizeof(HTNode));  //0号元素未用
    //这一步是给哈夫曼树的叶子节点初始化
    for (p = HT + 1, i = 1; i <= n; ++i, ++p, ++w)
    {
        (*p).weight = *w;
        (*p).lchild = 0;
        (*p).rchild = 0;
        (*p).parent = 0;
    }
    //这一步是给哈夫曼树的非叶子节点初始化
    for (; i <= m; ++i, ++p)
        (*p).parent = 0;
     /************************************************************************/
     /* 做完准备工作后 ，开始建立哈夫曼树
    /************************************************************************/
    for (i = n + 1; i <= m; i++)
    {
        //在HT[1~i-1]中选择parent=0且weigh最小的节点，其序号分别s1,s2
        Select(HT, i - 1, s1, s2);  //传引用
        HT[s1].parent = HT[s2].parent = i;
        HT[i].lchild = s1;
        HT[i].rchild = s2;
        HT[i].weight = HT[s1].weight + HT[s2].weight;
    }
     /************************************************************************/
    /* 从叶子到根逆求每个叶子节点的哈夫曼编码                                          */
     /************************************************************************/
    //分配n个字符编码的头指针向量，（[0]不用）
    HC = (HuffmanCode)malloc((n + 1)*sizeof(char*));
    cd = (char*)malloc(n*sizeof(char));   //分配求编码的工作空间
    cd[n - 1] = '\0'; //结束符
    for (i = 1; i <= n; i++)  //每个节点的遍历
    {
        start = n - 1; c = i; f = HT[i].parent; //c表示当前节点的下标
        while (f != 0)
        {       //父节点不为0，即不为根节点
            --start;
            if (HT[i].lchild == c)cd[start] = '0';
            else
                cd[start] = '1';
            c = f; f = HT[f].parent;  //迭代向上回溯
        }
        HC[i] = (char*)malloc((n - start)*sizeof(char));  //生成一个块内存存储字符
        //为第i个字符编码分配空间
        strcpy(HC[i], &cd[start]);  //从cd赋值字符串到cd
    }
    free(cd);  //释放资源
}

解码算法2(从根节点正序遍历赫夫曼树输出)：

//利用无栈递归的思想
void HuffmanCoding2(HuffmanTree &HT, HuffmanCode &HC, int* weight, int n){
    int m, i, s1, s2;
    unsigned c, cdlen;
    HuffmanTree p;
    char* cd;  //编码空间
    
    if (n <= 1)
        return;
    m = 2 * n - 1;
    HT = (HuffmanTree)malloc((m + 1)*sizeof(HTNode)); //1开始到m+1//总共2n-1
    for (p = HT + 1, i = 1; i <= n; ++i, ++weight, ++p)
    {
//         HT[i].weight = *weight;
//         HT[i].parent = 0;
//         HT[i].lchild = 0;
//         HT[i].rchild = 0;
        (*p).weight = *weight;
        (*p).parent = 0;
        (*p).lchild = 0;
        (*p).rchild = 0; 
    }
    for (; i <= m; ++i,++p)
        (*p).parent = 0;
     /************************************************************************/
    /* 将树的叶子节点和即将存储的双亲节点初始化后，开始建立赫夫曼树                                                                     */
     /************************************************************************/

    for (i = n + 1; i <= m; ++i)  //i++ --->++i
    {
        Select(HT, i - 1, s1, s2);
        HT[s1].parent = HT[s2].parent=i;
        HT[i].lchild = s1;
        HT[i].rchild = s2;
        HT[i].weight = HT[s1].weight + HT[s2].weight;
    }

    c = m;  //c = 2*n-1
    HC = (HuffmanCode)malloc((n + 1)*sizeof(char*));
    cd = (char*)malloc(n*sizeof(char));
    cdlen = 0;
    for (i = 1; i <= m; i++)
        HT[i].weight = 0;              //将所有的权重置0
   //这是一个迭代的过程
    while (c){
        if (HT[c].weight == 0){
            //向左
            HT[c].weight = 1;
            if (HT[c].lchild != 0){
                c = HT[c].lchild;
                cd[cdlen++] = '0';
            }
            else if (HT[c].rchild == 0)
            {
                cd[cdlen] = '\0';
                HC[c] = (char*)malloc(sizeof(char)*(cdlen + 1));
                strcpy(HC[c], cd);  //复制编码串            
            }
        }
        else if (HT[c].weight == 1)
        {
            //向右遍历
            HT[c].weight = 2;
            if (HT[c].rchild != 0){ //存在右孩子
                c = HT[c].rchild;
                cd[cdlen++] = '1';
            }
        }
        else{   //当HT[c].weight = 2;
            HT[c].weight = 0;
            c = HT[c].parent;  //退回到父节点
            cdlen--;  //编码的长度-1
        }
    }
}

主函数具体实现：

int main()
{
    HuffmanTree HT;
    HuffmanCode HC;
     
    int *w, n, i;
    printf("请输入权值的个数(>1):");
    scanf_s("%d",&n);

    w = (int*)malloc(n*sizeof(int));
    printf("请依次输入%d个权值(整形):\n",n);

    for (i = 0; i <= n - 1;i++)
        scanf_s("%d",w+i);
        
    HuffmanCoding(HT, HC, w, n);
　　　　
    for (i = 1; i <= n;i++)
        puts(HC[i]);
        
    return 0;
}