【算法详解】Huffman树学习笔记

Huffman树学习笔记

$Huffman$树用于解决这一类问题：构造一个$n$个叶子节点的$k$叉树，其中第$i$个叶子节点带有权值$w_i$,要求最小化$\sum w_i\ast l_i$，其中$l_i$表示第$i$个叶子节点到根节点的距离。

很显然的一个贪心做法：

为了最小化$\sum w_i\ast l_i$，应该让权值大的叶子节点的深度尽量小。

当$k=2$时，我们可以用如下方法构造二叉$Huffman$树:

1、建立一个小根堆，插入这$n$个叶子节点的权值

2、从堆中取出最小的两个权值$w_1$和$w_2$，令$ans+=w_1+w_2$

3、建立一个权值为$w_1+w_2$的树节点$p$，使$p$成为两个叶子结点的父节点，并在堆中插入$p$

最后$ans$就是$\sum w_i\ast l_i$的最小值

我们将问题拓展，对于$k$叉$Huffman$树，我们依样画葫芦可以构造出这样的算法：

1、建立一个小根堆，插入这$n$个叶子节点的权值

2、从堆中取出最小的$k$个权值$w_1,w_2\dots \dots w_k$，令$ans+={\sum }_{i=1}^k{w}_i$

3、建立一个权值为${\sum }_{i=1}^k{w}_i$的树节点$p$，使$p$成为$k$个叶子结点的父节点，并在堆中插入$p$

但是，这样做下去是无法保证达到最优解的。

因为在最后一轮执行的时候，无法保证一共有$k$个节点刚好合并成一个节点，也就是说最后的根节点不一定有$k-1$个儿子。这样答案显然不是最优的，因为我们可以在底下随便那一个节点作为根节点的儿子，这样也可以让答案最优。

所以，为了让答案最优，我们应该在执行上述贪心算法之前，补加一些额外的权值为0的节点，是叶子结点总数n使得$(n-1)\%(k-1)=0$，意思是，我们让节点不足的情况放在最底层而不是最高层，这样做出来的做法显然是最优的。

---

荷马史诗

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cMiQSNmk-1607157358975)(C:\Users\Stuedent\AppData\Roaming\Typora\typora-user-images\image-20201029102917160.png)]

每个单词的数量就是每个节点的权值。

按照上述模板做一个$k$叉$Huffman$的模板即可。

#include<bits/stdc++.h>
using namespace std;

#define int long long

const int N = 2e5+10;
#define  gc getchar()
int n,k;
int ans = 0;
typedef pair < int , int > pii;
priority_queue < pii , vector < pii > , greater < pii > > q;
int read(){
	int s = 0 , f = 0; char ch = gc;
	while (ch < '0' || ch > '9') f|=ch=='-' , ch = gc;
	while (ch >= '0' && ch <= '9') s = s*10+ch-48 , ch = gc;
	return f?-s:s;
}

signed main(){
	n = read() , k = read();
	for (int i = 1,x; i <= n; i++) x = read() , q.push({x,1});
	while ((n-1)%(k-1)!=0) ++n,q.push({0,1});
	while (q.size()>=k){
		int w = 0 , h = 0;
		for (int i = 1; i <= k; i++)
		  w+=q.top().first , h = max(q.top().second,h),q.pop();
		q.push({w,h+1}); ans+=w;
	}
	printf("%lld\n%lld",ans,q.top().second-1);
	return 0;
}