赫夫曼树和赫夫曼编码

问题：根据学生的百分制成绩计算5级分制成绩，成绩在5个等级上的分布规律：

分数	0-59	60-69	70-79	80-89	90-100
所占比例	5%	15%	40%	30%	10%

图二叉树a中可以看出70分以上大约占总数80%的成绩都要经过3次以上的判断才能得到结果。

树的路径长度是从树根到每一个结点的路径长度之和。
二叉树a的树的路径长度：1+1+2+2+3+3+4+4=20
二叉树b的树的路径长度：1+2+3+3+2+1+2+2=16
结点的带权路径长度：从树根到该结点的路径长度与结点上权的乘积
树的带权路径长度（WPL）：树中所有叶子结点的带权路径长度之和。
WPL最小的二叉树称为赫夫曼树
二叉树a的WPL：5×1+15×2+40×3+30×4+10×4=315
二叉树b的WPL：5×3+15×3+40×2+30×2+10×2=220
这意味着如果有10000个学生的百分制成绩需要计算五级分制成绩，用二叉树a的判断方法，需要31500次比较，而二叉树b的判断方法需要22000次比较。
那么二叉树b是最优的吗？赫夫曼树是如何建立的？

构造赫夫曼树的算法：
1.根据给定的n个权值{w1,w2,w3···wn}构成n棵二叉树的集合F={T1,T2···Tn}，其中每个二叉树Ti中只有一个带权为Wi的根节点，左右子树均为空。
2.在F中选取两棵根节点权值最小的树作为左右子树构造一棵新的二叉树，置二叉树的根节点的权值为左右子树上根节点的权值之和。
3.在F中删除这两棵树，同时将新得到的二叉树加入F中。
4.重复2和3步骤，直到F中只含一棵树为止。这棵树是赫夫曼树。

以上面的问题为例。
1.列出有权值的叶子结点，排序。E5，A10，D15，B30，C40
2.选出头两个最小权值的结点作为新结点的子结点，注意相对较小的是左结点。新结点的权值为两个子结点的权值之和。

3.将N1插入有序序列中，删除A和E。即N1（15），D15，B30，C40
4.重复2。

5.将N2插入有序序列中，删除N1和D。即N2（30），B30，C40
6.重复2。

7.将N2插入有序序列中，删除N2和B。即C40，N3（60）
8.重复2。

9.将N4插入有序序列，删除C和N3。此时序列中只含一棵树，该树就是赫夫曼树。

计算这棵树的WPL：40×1+5×4+10×4+15×3+30×2=205。与之前的二叉树b的220相比还要小。
不过现实比理想复杂，该赫夫曼树每次判断都要两次比较，比如N4判断的是a<80&&a>=70，所以总体性能上反而不如二叉树b。不过这不是我们讨论的重点了。

赫夫曼编码
当初研究这种最优树并不是为了转化成绩的，而是解决远距离通信的数据传输的最优化问题。
假设我们要传递的文字只有6个字母A、B、C、D、E、F。可以按照下表进行编码。

字母	A	B	C	D	E	F
二进制字符	000	001	010	011	100	101

如果一篇文章很长，这样的二进制串会非常可怕。事实上，字母或汉字出现的频率是不相同的，比如英文的元音，中文的“的”“有”频率极高。
假设六个字母的频率为A27，B8，C15，D15，E30，F5，合起来是100%。按照赫夫曼树来规划。

将树的左分支的权值改为0，右分支改为1。

可以得到新的编码规则。

字母	A	B	C	D	E	F
二进制字符	01	1001	101	00	11	1000

对文字内容BADCADFEED编码
原编码二进制串：001000011010000011101100100011
新编码二进制串：1001010010101001000111100
所以数据被压缩了
解码的时候还要用到赫夫曼树，即发送方和接收方必须约定好同样的赫夫曼编码规则。

若要设计长短不等的编码，则必须任一个字符的编码都不是另一个字符的编码的前缀，这种编码称为前缀编码。