【数据结构】哈夫曼树与哈夫曼编码

哈夫曼树的定义

我们给树的结点赋予一个表示某种意义的值，称为该结点的权；

我们再定义从根结点到某个结点需要经过的边数，与该结点的权的乘积，称为结点的带权路径长度；

所有叶子结点的带权路径长度之和，称为树的带权路径长度，记为WPL。

 
下面，先来直观感受一下WPL的含义：

(a) WPL = 7×2 + 5×2 + 2×2 + 4×2 = 36

(b) WPL = 4×2 + 7×3 + 5×3 + 2×1 = 46

(c) WPL = 7×1 + 5×2 + 2×3 + 4×3 = 35

 
好了，下面给出哈夫曼树的定义：

在含有n个带权叶子结点的所有二叉树中，其中带权路径长度(WPL)最小的二叉树称为哈夫曼树。

 
 
 

哈夫曼树的构造

给定n个带有权值的结点，构造哈夫曼树的算法描述如下：

选出权值最小的两个结点，构造成一个新的结点，且新结点的权值看作两个结点的权值之和；不断重复这个过程。

由此构造出的哈夫曼树有如下特点：

1）每个结点最终都会称为叶子结点，权值越小的叶子越靠下，权值越大的叶子越靠上；

2）构造过程是个两两结合的过程，因此共新建了 n-1 个结点，最终哈夫曼树的总结点数为 2n-1 ；

3）构造过程是个两两结合的过程，因此不会出现度为 1 的结点；

4）构造出的哈夫曼树是不唯一的，但是最小带权路径长度(WPL)是最小且唯一的。

 
看看图解，一下就会！！！以 {3，5，6，9，12} 为例：

 
 
 

哈夫曼编码

在数据通信中，对字符的编码可以是长度固定的，也可以是长度不等的。可变长度编码有个极大的好处，就是可以使得字符的平均编码长度减短，起到数据压缩的效果。

想要对不同的字符使用不同长度的编码的前提是，一个编码不能是另一个编码的前缀。这不难理解，假设合法编码有“110”、“11”、“0”，那么在翻译“1100”时，分割结果是不唯一的。

哈夫曼树有一个优秀的性质，即权值越小的叶子越靠下，权值越大的叶子越靠上。那么，如果我们把叶子结点权值设置为字符出现的频度，比给边标记上0/1，将从根结点到叶子经过的边的所有标记序列作为编码的话——频度越高的字符编码越短，频度越低的字符编码越长，并且不会出现一个编码是另一个编码的前缀的情况！

还是看个栗子吧 >_<！！！