哈夫曼(huffman)树/哈夫曼编码
ASCII码表中,8位转为一个具体的字符,如字母e和字母p,1万字的文章即一共8万位,即1万字节,但实际文章中字母e出现的频率远大于其他字母,故可以将字母e设计为5位或者4位,一些不常用的字母设计为10位,11位或者12位等,以获得效率的提升和空间的节省;
带权路径长度wpl:设二叉树有n个叶子结点,每个结点的带权值为wk,从根结点到该结点的长度为lk,则每个叶子结点的带权路径长度之和为
哈夫曼树:wpl最小的二叉树
例:有5个子叶结点,它们的权值为{1,2,3,4,5},用此权值构建不同的二叉树
wpl计算举例,如上图最左边 15 +42+33+14+2*4 = 34
哈夫曼树的构建
- 权值排序
- 最小2个合并为左右子树,结点为剩下权值中最小的;
哈夫曼编码
思考:假设本文中有58个字符,并由下面7个字符构成,a,e,i,s,t,space(空格),nl(换行);如果对这7个字符进行编码,使得总编码空间最小(编码若不了解,请百度ascii码相关内容学习)?
频率:
方案:
- ascii码编码 58*8 = 464 位;
- 用等长编码3位进行编码 58*3 = 174位
- 不用等长编码,采用不等长编码,频率大的用小位,频率小的用大位;
不等编码的问题
采用二叉树编码
- 左右分支0,1;
- 字符只在叶结点上;
- 根据频率在调整该二叉树为哈夫曼树;如图所示;
此时的花费位数最少;
回归题目本身:
频率如下:
频率排序后如图所示:
进行合并结点:
如此设计,从查找的纬度讲为较小,空间利用率最高