熵，哈夫曼编码，二进制

计算机以及通信领域的熵一般指信息熵。本文介绍信息熵与哈夫曼编码的关系，以及二进制在信息熵和哈夫曼编码中的位置。

1. 信息熵
   香农提出，把信息中的冗余排除后剩余的平均信息量就是信息熵。信息熵是对不确定性的度量。信息熵越大，不确定性越大。
   对于一个随机变量X，其信息熵为：
   $H(X)=-\sum _{x}P(x)lo{g}_a(P(x))$.
   当X服从均匀分布时，其不确定或熵最大。当X完全确定时，熵为0.
   其中$a$可以取任意值。
   在信息论中，香农于1948年发现信源编码定理或香农编码定理：
   给定信源 X = { x i } X=\{x_i\} X={xi​}以及概率分布$P(X)$, 进行某种无损K进制编码后得 C = { c i } C=\{c_i\} C={ci​}, 则
   $\frac{H(X)}{lo{g}_a(K)}\le E[L]\le \frac{H(X)}{lo{g}_a(K)}+1$,
   其中L为对X进行编码后的随机编码C的长度。
   该定理说明，X进行无损编码后平均编码长度大于等于以K为底的信息熵。
   注：$\frac{H(X)}{lo{g}_a(K)}$相当于更换$H(X)$的底为$K$。

2. 哈夫曼编码
   基于香农编码定理思想，哈夫曼于1952年提出一种无损二进制编码方法，属于熵编码中的一种。
   其主要思想是通过构建最优二叉树（哈夫曼数），也就是带权路径长度最短的二叉树，来对字符集进行编码。哈夫曼证明其是一种最优二进制编码，也就是说路径之和最小。
   $E[L]=\sum P(s_i)\ast Length(s_i)$
   也就是说平均bit数最小。
   当概率是2的幂次方时，哈夫曼编码可达到信息熵所指明的最小平均bit数。