哈夫曼树的操作-05-树9 Huffman Codes

  • 题目
    https://pta.patest.cn/pta/test/3512/exam/4/question/77414
  • 分析
    该题的大意就是给出一组字符和出现的频率,让我们构造它们的哈夫曼编码。
    由于哈夫曼编码不唯一,所以编码方式有多种。然后有M个同学给出了他们的编码方式,让我们判断他们的编码是否正确。正确输出Yes,错误输出No
    基本这道题可以分成两大部分解决。
    1. 构造N个字符的哈夫曼编码,计算带权路径长度WPL。
    2. 判断每个同学的编码方式是否正确。
      构造哈夫曼编码可以利用最小堆。
      判断编码方式是否正确,首先要判断每个同学的编码的带权路径长度是否等于之前计算出来的WPL,然后再判断是否有 某一个字符的编码是另一个字符的前缀码 的情况。
      代码比较复杂,很容易写错。我的代码也有内存泄漏的缺陷,感觉也有一点混乱,是调试了好多次才通过。
  • 我的代码
#include<iostream>
#include<cstdlib>
#include<string>
using namespace std;

#define maxn 65
#define minNum  -1
char c[maxn];
int f[maxn];            //f[i]保存c[i]的频率 
string codes[maxn];

typedef struct TreeNode* Tree; 
struct TreeNode{
    int weight;
    struct TreeNode* left;
    struct TreeNode* right;
    TreeNode();
};
TreeNode::TreeNode(){
    left = NULL;
    right = NULL;
}
//最小堆
typedef struct minHeap* ptrHeap;
struct minHeap{
    struct TreeNode data[maxn];
    int size;       //保存最小堆中元素的个数
};
void percDown(int index,int n);     //堆的调整:下虑 
void buildHeap(int n,ptrHeap H);                //建立堆
Tree deleteMin(ptrHeap H);                  //删除最小堆的堆顶 
void insetHeap(Tree T,ptrHeap H);
Tree Huffman(int n,ptrHeap H);                      //构建哈夫曼树
int WPL(Tree T,int depth);                  //计算带权路径长度 
bool checkPrefix(int n);
int main()
{
    int N;
    //freopen("huffman.txt","r",stdin);
    ptrHeap H = new(minHeap);
    cin>>N;
    for(int i=1; i<=N; i++)
    {
        cin>>c[i]>>f[i];
    }

    buildHeap(N,H);
    Tree T = Huffman(N,H);
    int wpl = WPL(T,0);

    char ch;
    int M,sum;
    bool flag;
    cin>>M;
    for(int j=1; j<=M; j++)
    {
        sum = 0;
        flag = true;
        for(int i=1; i<=N; i++)
        {
            cin>>ch>>codes[i];
            sum += codes[i].length()*f[i];
        }
        if(sum != wpl){
            flag = false;
        }
        //cout<<flag<<endl;
        if(flag)    flag = checkPrefix(N);
        //cout<<flag<<endl;
        if(flag){
            cout<<"Yes"<<endl;
        }else{
            cout<<"No"<<endl;
        }
    } 

    return 0;
}

void percDown(int index,ptrHeap H)
{
    int parent,child;
    TreeNode tmp = H->data[index]; 
    for(parent=index; parent*2<=H->size; parent=child)
    {
        child = parent*2;
        if(child+1<=H->size && H->data[child+1].weight< H->data[child].weight)
        {
            child++;
        }

        if(H->data[child].weight < tmp.weight )
        {
            H->data[parent] = H->data[child];
        }else{
            break;
        }
    }
    H->data[parent] = tmp;

} 
void buildHeap(int n,ptrHeap H)
{
    H->size = n;
    H->data[0].weight = minNum;

    //先把权重(频数)顺序存入最小堆的数组中 
    for(int i=1; i<=n; i++) H->data[i].weight = f[i];
    //依次来调整堆 
    for(int i=H->size/2; i>=1; i--) percDown(i,H);   
}

Tree deleteMin(ptrHeap H)
{
    Tree ans = new TreeNode;
    (*ans) = H->data[1];
    H->data[1] = H->data[H->size];
    H->size--;
    percDown(1,H);
    //Tree T = &ans;    
    return ans;
} 

void insetHeap(Tree T,ptrHeap H)
{
    int index = ++H->size;
    while(T->weight < H->data[index/2].weight)
    {
        H->data[index] = H->data[index/2];
        index /= 2;
    }
    H->data[index] = *T;
    //cout<<"插入了"<<T->weight<<endl; 
}
Tree Huffman(int n,ptrHeap H)
{
    Tree T;
    //n个字符,需要n-1次合并 
    for(int i=1; i<n; i++)
    {
        T = (Tree)malloc(sizeof(struct TreeNode));
        T->left = deleteMin(H);     //cout<<T->left->weight<<endl;
        T->right = deleteMin(H);    //cout<<T->right->weight<<endl; 
        T->weight = T->left->weight + T->right->weight;
        //cout<<"插入了"<<T->weight<<endl;
        insetHeap(T,H);
    }

    T = deleteMin(H);
    return T;
}

int WPL(Tree T,int depth)
{
    if(T->left==NULL && T->right==NULL){
        return (T->weight)*depth;
    }else{
        return WPL(T->left,depth+1)+WPL(T->right,depth+1);
    }
} 

bool checkPrefix(int n)
{
    bool ans = true;
    int len1,len2;
    for(int i=1; i<n; i++)
    {
        len1 = codes[i].length();
        for(int j=i+1; j<=n; j++)
        {
            len2 = codes[j].length();
            if(len1 >= len2){
                string tmp = codes[i].substr(0,len2);
                if(tmp.compare(codes[j]) == 0){
                    ans = false;
                    break;
                }
            }else{
                string tmp = codes[j].substr(0,len1);
                if(tmp.compare(codes[i]) == 0){
                    ans = false;
                    break;
                }
            }
        }
        if(ans == false)    break;
    }

    return ans;
}
### 回答1: Huffman编码是一种用于数据压缩的算法,它通过将出现频率较高的字符用较短的编码表示,从而减少数据的存储空间。该算法的基本思想是构建一棵哈夫曼树,将字符的出现频率作为权值,然后从叶子节点开始向上遍历,将左子标记为,右子标记为1,最终得到每个字符的编码。哈夫曼编码具有唯一性,即每个字符都有唯一的编码,且任何一个编码都不是另一个编码的前缀。 ### 回答2: Huffman编码是一种压缩数据的方式。它使用的基本原理是将数据中频繁出现的字符使用较短的编码,而不常用的字符使用较长的编码,以达到压缩数据的目的。在Huffman编码中,我们使用二叉来表示每个字符的编码。左孩子被标记为0,右孩子被标记为1。当我们从根节点到叶子节点的路径上移动时,我们收集的所有0和1的序列将编码作为该字符的压缩表示。 具体来说,生成Huffman编码的过程包括以下步骤: 1. 统计给定数据集中每个字符出现的次数。 2. 将字符作为叶子节点构建二叉,每个叶子节点包含一个字符和该字符的频率。 3. 选择频率最小的两个节点,将它们作为左右子合并成一个新节点,其频率等于两个节点频率之和。 4. 将新节点插入二叉,并在每个节点添加一个标记为0或1的位。 5. 重复步骤3和步骤4,直到只剩下一个节点。 6. 通过遍历收集每个字符的Huffman编码。递归,并在每个节点处添加0或1,直到我们到达一个叶子节点。 Huffman编码的优点在于它可以使数据更紧凑,占用更少的存储空间。它也是在许多压缩和编码算法中广泛应用的基础。Huffman编码的缺点是在压缩小数据时,压缩效果可能不明显。这是因为压缩率受到输入数据的分布和大小的影响。在Huffman编码中,来自数据集的所有字符的比特序列可能具有不同的长度。因此,我们需要在压缩和解压缩时花费一些额外的时间来恢复原始数据。 总之,Huffman编码是一种有效的数据压缩算法,可以通过使用二叉来表示每个字符的编码来实现。它的主要优点是可以更紧凑地存储数据,但它仍然受到输入数据大小和分布的影响,并且在进行压缩和解压缩时需要花费额外的时间。 ### 回答3: 题目描述 Huffman code是一种贪心算法,用于编码数据,每个字符都对应一种可辨识的前缀二进制码,使得所有字符的编码总长度最短。给定n个权值作为n个叶子结点,构造一棵二叉,若该带权路径长度达到最小,则称这样的二叉为最优二叉,也称为赫夫曼。 在赫夫曼中,每个叶子节点的权值就是原始数据中的权值,而非叶子节点不存储权值,比较特别的一种二叉。 输入格式 第1行: 一个正整数n(<=1000) 接下来n行: 每行一个正整数weight[i](weight[i]<=100000) 输出格式 共n-1行,为赫夫曼编码表,每个字符的赫夫曼编码占据一行。 样例输入1 5 1 3 2 10 5 样例输出1 0 110 111 10 11 样例输入2 5 23 3 6 16 8 样例输出2 100 0 101 1101 1100 解题思路 首先,将所有节点的权值从小到大排序。 接着构造一棵二叉: 每次从节点集合中选出最小的两个节点(即最小的两个权值) 将这两个点组成一棵新的二叉,其权值为这两个节点权值之和,这棵新的左右子即为这两个节点。 把这棵新加入到权值序列中,其位置按照新的权值插入,继续循环,直到权值序列只含有一个节点为止,这个节点就是赫夫曼的根。 最后,根据赫夫曼将每个叶子节点的编码求出来,一般情况下,将左子编码置“0”,右子编码置“1”,然后做前缀无歧义编码,按照这种编码方式,我们得到了每个节点的Huffman编码。 代码实现
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值