2024年CSP-J第一轮暑假冲刺训练营(5)：哈夫曼、编码

一、题型

CSP-J 第一轮题型设置为三种，满分：100分。

• 选择题
  共 $15$ 道，$2$ 分$/$道，总计：$30$ 分；
• 阅读程序题
  共 $3$ 道，判断题 $1.5$ 分$/$道，单选题 $3$ 分$/$道，总计：$40$ 分；
• 完善程序题
  共 $2$ 道，单选题 $3$ 分$/$道，总计：$30$ 分。

二、编码

1. 分类

2. 信源编码

2.1 意义

信源编码是以提高通讯的有效性为目的的编码。

2.2 途径

1. 使各个符号互相独立
2. 使编码中各个符号数量相等

2.3 分类

3. 哈夫曼编码

3.1 性质

1. 哈夫曼编码是一种无损编码；
2. 哈夫曼编码是边长码；
3. 哈夫曼编码基于频率排序实现；
4. 哈夫曼编码是最优前缀码；
5. 哈夫曼编码不是唯一码。

3.2 原理

让出现频率高的信息编码长度短，让出现频率低的信息编码长度长，从而达到哈夫曼编码整体最短。因此哈夫曼编码使用的是贪心算法的思想。

3.3 方式

1. 统计待编码的字符出现的频率，并排列。
2. 反复取出两个频率最低的节点，将它们合并为一个新节点，频率为两个节点频率之和，将新节点重新排列。
3. 重复步骤，直到只剩下一个节点，即构建完成的哈夫曼树。
4. 通过遍历哈夫曼树，从根节点到每个叶子节点的路径上的左子树赋值为 $0$，右子树赋值为 $1$，得到每个字符的哈夫曼编码。
5. 使用哈夫曼编码将原始数据进行编码和解码。

3.4 不唯一性

哈夫曼编码的不唯一性的原因：

• 当某几个结点频率相同且为最小，可以选择任意两个结点
• $0$ 和 $1$ 可以交换位置
• 生成的序列可以是右结点内容拼在左节点后面，也可以是左结点内容拼在右节点后面

3.5 考题

• 判断编码组合是否为合法的最优前缀编码。
  方法： 对于每一个选项，找到所有长度 $\ge 2$ 的编码，观察前面的字符，若在该选项中其他编码（完整）一样，那么就是不合法的最优前缀编码。
  技巧： 对于每一个选项，如果出现长度 $\ge 2$ 的编码，如果长度为 $1$ 的编码超过 $1$ 个，那么就是不合法的最优前缀编码。
• 给出出现频率，求某一字符的编码长度。
  方法： 先根据题目给出的频率进行小 $\to$ 大的排序，然后按照哈夫曼编码的方法进行操作即可。
  技巧： 没有技巧，这种题目要是碰到就得狂笑十五分钟。

4. 格雷码

4.1 意义

格雷码，是一种特殊的二进制编码方式（无权码）。在格雷码中，相邻的两个数值只有一个二进制位发生变化，因此也被称为最小差异码或最小变化码；因为"首尾相连"，又称循环码或反射码。

4.2 构造

如果已知一个数字 $x$，得到其二进制数，将其右移一位，和原数 $x$ 进行异或。例如：$6_{(10)}=110_{(2)}$，$110_{(2)}>>1=011_{(2)}$，$110_{(2)}\oplus 011_{(2)}=101_{(}2)$。因此 $6$ 的格雷码为 $101$。

_{备注：
与运算： $\wedge$
或运算： $\vee$
非运算： $\neg$
异或运算： $\oplus$}

4.3 反向构造

从第二位开始，依次向右遍历，每个 $01$ 符都和前一位进行异或，然后将结果覆盖在当前遍历的数位上。

例如：$10110$ 解码

步骤	1	0	1	1	0
1	1	1	1	1	0
2	1	1	0	1	0
3	1	1	0	1	0
4	1	1	0	1	1

三、哈夫曼树

1. 须知概念

路径长度：从根结点到某个结点的边数。
树的路径长度：树中所有结点到根结点的路径长度之和。
结点的带权路径长度：结点的权值 $\times$ 这个结点的路径长度。
树的带权路径长度：所有叶结点的带权路径长度之和。

2. 性质

1. 哈夫曼树的带权路径长度是最小的；
2. 哈夫曼树每个结点的度都是 $2$；
3. 拥有 $n$ 个叶子结点的哈夫曼树，总结点数为 $2n-1$；
4. 一个合法的哈夫曼树左右子树互换仍然是合法的哈夫曼树；
5. 同一组权值 $w_1,w_2,\dots ,w_n$，存在不同构造的哈夫曼树。

3. 考题

• 给定权值集合，求哈夫曼树的带权路径长度之和
  方法： 按照计算哈夫曼编码的方法列出一个哈夫曼树，对所有的叶结点乘它们的路径并相加。