哈夫曼树
1951年,哈夫曼在麻省理工学院(MIT)攻读博士学位,他和修读信息论课程的同学得选择是完成学期报告还是期末考试。导师罗伯特·法诺(Robert Fano)出的学期报告题目是:查找最有效的二进制编码。由于无法证明哪个已有编码是最有效的,哈夫曼放弃对已有编码的研究,转向新的探索,最终发现了基于有序频率二叉树编码的想法,并很快证明了这个方法是最有效的。哈夫曼使用自底向上的方法构建二叉树,避免了次优算法香农-范诺编码(Shannon–Fano coding)的最大弊端──自顶向下构建树。1
定义
当用 n 个结点(都做叶子结点且都有各自的权值)试图构建一棵树时,如果构建的这棵树的带权路径长度最小,称这棵树为最优二叉树,有时也叫“赫夫曼树”或者“哈夫曼树”。
基本概念
路径:在一棵树中,一个结点到另一个结点之间的通路,称为路径。
路径长度:在一条路径中,每经过一个结点,路径长度都要加 1 。
结点的权:给每一个结点赋予一个新的数值,被称为这个结点的权。
结点的带权路径长度:指的是从根结点到该结点之间的路径长度与该结点的权的乘积。
树的带权路径长度:树中所有叶子结点的带权路径长度之和。通常记作 “WPL” 。
结点结构
构建哈夫曼树时,首先需要确定树中结点的构成。
由于哈夫曼树的构建是从叶子结点开始,不断地构建新的父结点,直至树根,所以结点中应包含指向父结点的指针。但是在使用哈夫曼树时是从树根开始,根据需求遍历树中的结点,因此每个结点需要有指向其左孩子和右孩子的指针。
//哈夫曼树结点结构
typedef struct {
int weight;//结点权重
int parent, left, right;//父结点、左孩子、右孩子在数组中的位置下标
}HTNode, *HuffmanTree;
构建思路
- 从小到大进行排序, 将每一个数据,每个数据都是一个节点 , 每个节点可以看成是一颗最简单的二叉树
- 取出根节点权值最小的两颗二叉树
- 组成一颗新的二叉树, 该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
- 再将这颗新的二叉树,以根节点的权值大小 再次排序, 不断重复 1-2-3-4 的步骤,直到数列中,所有的数据都被处理,就得到一颗赫夫曼树
图1中,(A)给定了四个结点a,b,c,d,权值分别为7,5,2,4;第一步如(B)所示,找出现有权值中最小的两个2 和 4 相应的结点 c 和 d 构建一个新的二叉树,树根的权值为 2 + 4 = 6,同时将原有权值中的 2 和 4 删掉,将新的权值 6 加入;进入(C),重复之前的步骤。直到(D)中,所有的结点构建成了一个全新的二叉树,这就是哈夫曼树。
图解分析
下面将以序列 {13, 7, 8, 3} 为例,图解创建哈夫曼树的过程。
首先,序列升序排序得到 {3, 7, 8, 13}。
把每个数据看做是一个节点,取出节点权值最小的两个节点 3, 7 组成一颗新的二叉树,该二叉树权值为 3+7 = 10。
在原序列中将第 2 步取出的两个权值最小的移除,然后将第 2 步生成的新节点的权值加入到原序列中,并重新排序。
再次取出权值最小的两个节点 8, 10 组成一颗新的二叉树,新的二叉树权值为 8+10 = 18。然后从序列中移除节点 8,10,将 18 添加进去,然后重新排序。
再次取出权值最小的两个节点 13,18 组成一颗新的二叉树,新的二叉树权值为 13+18 = 31。然后从序列中移除 13, 18,将 31 添加进去。此时序列中只剩下一个节点,该节点即为哈夫曼树的根节点。
至此,序列 {13, 7, 8, 3} 的哈夫曼树创建完毕。
程序代码
public class HuffManTree {
public static void main(String[] args) {
int[] arr = {13, 7, 8, 3, 29, 6, 1};
HuffNode root = buildHuffManTree(arr); // 创建哈夫曼树
root.preOrder(); // 先序遍历
}
// 根据序列创建哈夫曼树
public static HuffNode buildHuffManTree(int[] arr){
// 把每个数全部转换成节点存放到 List 集合中
ArrayList<HuffNode> nodes = new ArrayList<>();
for (int weight : arr){
nodes.add(new HuffNode(weight));
}
while (nodes.size() > 1) {
// 将集合中节点按照权值升序排序
Collections.sort(nodes);
// 取出权值最小的两个节点组合成一个树
HuffNode leftNodes = nodes.get(0);
HuffNode rightNodes = nodes.get(1);
HuffNode root = new HuffNode(leftNodes.weight + rightNodes.weight);
// 建立树
root.left = leftNodes;
root.right = rightNodes;
// 集合中去掉两个子节点
nodes.remove(leftNodes);
nodes.remove(rightNodes);
// 把新的树添加到集合中
nodes.add(root);
}
return nodes.get(0); // 最后集合中只有一个根节点
}
}
/**
* 节点,实现 Comparable 接口,为了可以使用工具类进行排序
*/
class HuffNode implements Comparable<HuffNode> {
int weight; // 权值
HuffNode left; // 左子节点指针
HuffNode right; // 右子节点指针
public HuffNode(int weight){
this.weight = weight;
}
// 前序遍历:根左右
public void preOrder(){
System.out.println(this);
if (this.left != null){
this.left.preOrder();
}
if (this.right != null){
this.right.preOrder();
}
}
@Override
public int compareTo(HuffNode o) {
return this.weight - o.weight; // 使用 权值 来升序排序
}
@Override
public String toString() {
return "HuffNode{" +
"weight=" + weight +
'}';
}
}
运行结果
文章引用
- 哈夫曼树(赫夫曼树、最优树)详解
- 哈夫曼树
感谢@RonzL