算法学习笔记——数据结构：哈夫曼树、带权路径长度WPL、哈夫曼编码

引入

合并果子问题如下：

有n堆果子，每次可以合并任意两堆果子，耗费体力值为[两堆果子数之和]，最终在n-1次合并后，得到一堆果子。
给出合并的方案，使得耗费的体力值最小
例如有3堆果子，质量依次为1、2、9.那么可以先将质量为1和2的果堆合并，新堆质量为3，耗费体力为3；然后将3与9的果堆合并，得到12，耗费体力为12。所以耗费体力之和为3+12=15。可以证明15为最小的体力耗费值

• 每次合并，都要将被合并的两堆果子数之和作为费用，显然，如果一开始就合并数量大的果堆，这个果堆会在接下来的合并过程中一直对费用有贡献，我们要避免这种情况
• 我们应该尽可能减少数量大的果堆被合并的次数，即将其留到最后再合并
• 因此，策略是：反复选择当前最小的两个元素，合并，直到仅剩一个元素
• 具体实现可以用优先队列完成

这个问题，本质上是一个哈夫曼树的构造问题

哈夫曼树

我们用树来描述上面的合并过程：

假如过果堆为1,2,2,3,6，一种可能的合并过程如下：

计算整个合并过程的总花费：
①可以将所有非叶子节点的值求和
②也可以计算每个叶子节点对总花费的贡献：sum[叶子节点值 * 叶子节点到根节点的距离]

考虑方法②，我们引入几个术语
叶子节点的带权路径长度：叶子节点值 * 叶子节点到根节点的距离
树的带权路径长度WPL（Weighed Path Length of Tree）：所有叶子节点的带权路径长度之和
哈夫曼树/最优二叉树：树的带权路径长度WPL最小的树

现在回到上面的合并果子问题

• 原问题转化为：将n个数字作为叶子节点，构造一棵哈夫曼树（即带权路径长度最小的树），返回其最小带权路径长度
• 考虑每个节点对答案的贡献，值越大的叶子节点，应该越接近根部

因此，哈夫曼树的构造思路：反复选择当前最小的两个元素，合并，直到仅剩一个元素

1. 最初所有果堆看作叶子节点（视作仅有一个节点的树）
2. 合并其中根节点值最小的两棵树，产生一个新的父节点，父节点权值=两个子节点权值之和，这三个节点构成一棵新的树
3. 接下来继续从 余下的树的根节点 中，继续选择两个节点合并，重复第2步
4. 最终只剩下一棵树，就是哈夫曼树

ps. 对于最小的树的带权路径长度WPL，可能有多种不同的构造方案，即：对于同一组叶子节点，哈夫曼树可以是不唯一的

总结

哈夫曼树的核心思想：

• 考虑每个节点对于最终答案的贡献，其贡献与 [叶子节点值 * 叶子节点到根节点的距离（即带权路径长度）] 有关
• 因此，值越大的叶子节点，应该越接近根部
• 故应该优先合并当前权值最小的两个节点
• 反复选择当前最小的两个元素，合并，直到仅剩一个元素

应用

LeetCode 1130. 叶值的最小代价生成树
同样要求构造二叉树，但是叶子节点从左到右的出现顺序给定，且每次合并两个节点，花费=左子树中的最大值*右子树中的最大值

• 类似哈夫曼树的思想，值越大的叶子，应该越接近根部（这样其对花费的贡献最小）
• 将叶子节点从左到右排列，每次取 [相邻两个元素的最大值] 最小的那两个节点，合并
• 实现过程用数组模拟即可

哈夫曼编码

在传输数据时，可以将不同的字符转化为特定的01编码来传输，例如A为0，B为10，C为11等等，我们要求编码为前缀码，即任何一个字符对应的01串都不能是另一个字符对应的01串的前缀。（否则解码时，不知道某个01串应该翻译为什么字符）
对于一段特定的文本 ，其中的每个字符出现频率不同，我们对其进行前缀码编码，求编码后可能的最短01串长度

分析：

• 如何满足“前缀码”的条件呢？
  假想二叉树上某节点，向左儿子的边为0，向右儿子的边为1，那么从根节点到各节点，都能获得其唯一的编码

例如在下图中，C的编码为100

不难发现，任意一个叶子节点，其编码一定不会称为其他节点的编码前缀
图中T节点不是叶子节点，进而T的编码是C的编码的前缀，不符合要求
因此，我们将所有字符都安排在叶子节点即可

• 如何让编码后的文本01串最短呢？
  显然，出现频率越高的字符，其编码应该越短，这样最终编码后的01串中，这个字符的01编码对于总长度的贡献能尽量小
• 把字符的出现频率作为其叶子节点的权值，则问题转化为求带权路径长度最小的哈夫曼树问题（字符出现频率/即权值*编码长度/即路径长度=字符对编码后的文本的贡献）
• 策略：所有字符按照出现频率排序，每次取出一个出现频率最低的叶子节点，加入哈夫曼树中，并获得一个新的根节点
  

这样由哈夫曼树产生的编码就是哈夫曼编码，显然哈夫曼编码就是一种能使特定字符串编码为01串后长度最短的前缀码
ps. 注意，哈夫曼编码是针对特定的字符串而言的，因为其构造需要根据不同字符的出现频率来确定