数据结构学习笔记--Huffman树

 

首先介绍什么是Huffman树(译作哈夫曼树或霍夫曼树)。huffman树又称最优二叉树，是一种带权路径长度最短的二叉树。所谓树的带权路径长度，就是树中所有的叶子结点的权值(人为规定)乘上其到根结点的路径长度。树的带权路径长度记为WPL，N个权值Wi(i=1,2,...n)构成一棵有N个叶子结点的二叉树，而huffman树的WPL是最小的。

Huffman 树的一个主要应用是huffman编码，David Huffman在上世纪五十年代初提出了这种编码。根据字符出现的概率来构造平均长度最短的编码。各码字（即为符号经哈夫曼编码后得到的编码）长度严格按照码字所对应符号出现概率的大小的逆序排列。它是一种变长的编码。

为什么huffman编码是前缀编码呢？其实证明很简单，因为所有编码字符都位于huffman树的叶子节点上，任意叶子节点均不是其他叶子节点的祖先，所以对应的编码也就不是其他结点编码的前缀了。

根据选择的存储方式的不同，构造huffman树的算法有许多种(我就找到了8种，汗~)。书上这里使用的是顺序存储的方式，每个结点附有双亲指针，其效率要比使用二叉链表高一些。这里我使用的是二叉链表，虽然它效率很低(可能是是最差的)，但站在学习的角度上看它不失为一种好方法：简洁和易于理解。

这样huffman树就与之前介绍的二叉表达式树很像了。首先给是结点定义：

 

class  HCNode {
public :
     int  index;
     int  weight;
    HCNode *  left;
    HCNode *  right;
    HCNode( int  wgt,  int  n, HCNode *  lef  =  NULL, HCNode *  rgt  =  NULL) 
        : weight(wgt), index(n), left(lef), right(rgt) {}
};

 

这里假设是对26个英文字符进行编码。在构造huffman树时每个待编码字符在树中的位置会被打乱，需要一个整型量记录其在权值数组中的位序。

有了结点定义后下面该设法构造huffman树了，建树时需要一个一维整型数组(由用户给出)，其中记录了每一个字符的权值。按照huffman的方法建树过程是这样的。

一、对给定的n个权值构成n棵二叉树的初始集合F={T1,T2,T3,...,Ti,...,Tn}，其中每棵二叉树Ti中只有一个权值为Wi的根结点，它的左右子树均为空。

二、在F中选取两棵根结点权值最小的树作为新构造的二叉树的左右子树，新二叉树的根结点的权值为其左右子树的根结点的权值之和。

三、从F中删除这两棵树，并把这棵新构造的二叉树加入到集合F中。

四、重复二和三两步，直到集合F中只有一棵二叉树为止，即为构造好的huffman树。

我们可以使用一个线性链表来存放每棵树的根结点指针。这样一来，每次从链表中摘下两个权值最小的结点，新建一个根结点，并指向它们，再把新建的结点指针插入链表尾部。反复这样进行直到链表内只剩一个结点时结束。

在选择链表时有点犹豫，刚开始用的是STL中的链表类<list>，但最后还是改成用我之前编的LinkList了。因为其中一些函数确实能让这个程序简单不少。还是先把代码贴上来：

 

#include  " ../../线性表（链式存储）/LinkList.h "
#include  " ../../线性表（链式存储）/Node.h "
#include  " ../../require.h "
// 省略若干...
class  HuffmanCode {
    LinkList < HCNode *>  m_nodeList;
     string *  m_ptrCode;
     int  m_nNum;  // 编码的字符个数
     // 生成huffman树
     void  createTree( int   * w,  int  n);
     // 先序遍历huffman树
     void  preOrder(HCNode *  cur,  long  code  =   1 );